eHealth Literacy in People Living with HIV: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: In the era of eHealth, eHealth literacy is emerging as a key concept to promote self-management of chronic conditions such as HIV. However, there is a paucity of research focused on eHealth literacy for people living with HIV (PLWH) as a means of improving their adherence to HIV care and health outcome. OBJECTIVE: The objective of this study was to critically appraise the types, scope, and nature of studies addressing eHealth literacy as a study variable in PLWH. METHODS: This systematic review used comprehensive database searches, such as PubMed, EMBASE, CINAHL, Web of Science, and Cochrane, to identify quantitative studies targeting PLWH published in English before May 2017 with eHealth literacy as a study variable. RESULTS: We identified 56 unique records, and 7 papers met the eligibility criteria. The types of study designs varied (descriptive, n=3; quasi-experimental, n=3; and experimental, n=1) and often involved community-based settings (n=5), with sample sizes ranging from 18 to 895. In regards to instruments used, 3 studies measured eHealth literacy with validated instruments such as the eHealth Literacy Scale (eHEALS); 2 studies used full or short versions of Test of Functional Health Literacy in Adults, whereas the remaining 2 studies used study-developed questions. The majority of studies included in the review reported high eHealth literacy among the samples. The associations between eHealth literacy and health outcomes in PLWH were not consistent. In the areas of HIV transmission risk, retention in care, treatment adherence, and virological suppression, the role of eHealth literacy is still not fully understood. Furthermore, the implications for future research are discussed. CONCLUSIONS: Understanding the role of eHealth literacy is an essential step to encourage PLWH to be actively engaged in their health care. Avenues to pursue in the role of eHealth literacy and PLWH should consider the development and use of standardized eHealth literacy definitions and measures.
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 | 0,008 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».