Using eHealth Technologies: Interests, Preferences, and Concerns of Older Adults
Notice bibliographique
Résumé
BACKGROUND: The Internet and eHealth technologies represent new opportunities for managing health. Age, sex, socioeconomic status, and current technology use are some of the known factors that influence individuals' uptake of eHealth; however, relatively little is known about facilitators and barriers to eHealth uptake specific to older adults, particularly as they relate to their experiences in accessing health care. OBJECTIVE: The aim of our study was to explore the interests, preferences, and concerns of older adults in using the Internet and eHealth technologies for managing their health in relation to their experiences with the current health care system. METHODS: Two focus groups (n=15) were conducted with adults aged 50+ years. Pragmatic thematic analysis using an inductive approach was conducted to identify the interests, preferences, and concerns of using the Internet and eHealth technologies. RESULTS: Five themes emerged that include (1) Difficulty in identifying credible and relevant sources of information on the Web; (2) Ownership, access, and responsibility for medical information; (3) Peer communication and support; (4) Opportunities to enhance health care interactions; and (5) Privacy concerns. These findings support the potential value older adults perceive in eHealth technologies, particularly in their ability to provide access to personal health information and facilitate communication between providers and peers living with similar conditions. However, in order to foster acceptance, these technologies will need to provide personal and general health information that is secure, readily accessible, and easily understood. CONCLUSIONS: Older adults have diverse needs and preferences that, in part, are driven by their experiences and frustrations with the health care system. Results can help inform the design and implementation of technologies to address gaps in care and access to health information for older adults with chronic conditions who may benefit the most from this approach.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».