Users’ attitudes towards personal health records
Notice bibliographique
Résumé
BACKGROUND: Prevention and management of chronic conditions is a priority for many healthcare systems. Personal health records have been suggested to facilitate implementation of chronic care programs. However, patients' attitude towards personal health records (PHRs) can significantly affect the adoption rates and use of PHRs. OBJECTIVES: to evaluate the attitude of patients with Type II diabetes towards using a PHR to manage their condition. METHODS: We used a cross-sectional exploratory pilot study. Fifty-four (54) patients used a PHR to monitor and record their blood glucose levels, diet, and activities for 30 days, and to communicate with their clinicians. At the end of the study, patients responded to a survey based on three constructs borrowed from different technology acceptance frameworks: relative advantage, job fit, and perceived usefulness. A multivariate predictive model was formed using partial least squaring technique (PLS) and the effect of each construct on the patients' attitude towards system use was evaluated. Patients also participated in a semi-structured interview. RESULTS: We found a significant positive correlation between job fit and attitude (JF → ATT = +0.318, p<0.01). There was no statistical evidence of any moderating or mediating effect of other main constructs or any of the confounding factors (i.e., age, gender, time after diagnosed) on attitude. CONCLUSION: The attitude of patients towards using PHR in management of their diabetes was positive. Their attitude was mainly influenced by the extent to which the system helped them better perform activities and self-manage their condition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».