MétaCan
Menu
Retour à la cohorte
Enregistrement W2929608793 · doi:10.2196/ijmr.8423

Differences in the Level of Electronic Health Literacy Between Users and Nonusers of Digital Health Services: An Exploratory Survey of a Group of Medical Outpatients

2019· article· en· W2929608793 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueInteractive Journal of Medical Research · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesDeakin UniversityMultiple Sclerosis SocietyGentofte HospitalInnovationsfondenScleroseforeningen
Mots-clésTest (biology)Health literacyPsychologyExploratory researchDigital healthDigital literacyLiteracyMedical educationMedicineFamily medicineNursingHealth carePedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Digitalization of health services ensures greater availability of services and improved contact to health professionals. To ensure high user adoption rates, we need to understand the indicators of use and nonuse. Traditionally, these have included classic sociodemographic variables such as age, sex, and educational level. Electronic health literacy (eHL) describes knowledge, skills, and experiences in the interaction with digital health services and technology. With our recent introduction of 2 new multidimensional instruments to measure eHL, the eHL questionnaire (eHLQ) and the eHL assessment (eHLA) toolkit, eHL provides a multifaceted approach to understand use and nonuse of digital health solutions in detail. OBJECTIVE: The aim of this study was to investigate how users and nonusers of digital services differ with respect to eHL, in a group of patients with regular contact to a hospital outpatient clinic. Furthermore, to examine how usage and nonusage, and eHL levels are associated with factors such as age, sex, educational level, and self-rated health. METHODS: Outpatients were asked to fill out a survey comprising items about usage of digital services, including digital contact to general practitioner (GP) and communication via the national health portal sundhed.dk, the eHLQ, and the eHLA toolkit, as well as items on age, sex, education, and self-rated health. In total, 246 patients completed the survey. A Mann-Whitney test was used to test for differences between users and nonusers of digital services. Correlation tests described correlations between eHL scales (eHEALSs) and age, education, and self-rated health. A significance level of .0071 was used to reject the null hypothesis in relation to the eHEALSs and usage of digital services. RESULTS: In total, 95.1% (234/246) of the participants used their personal digital ID (NemID), 57.7% (142/246) were in contact with their GPs electronically, and 54.0% (133/246) had used the national health portal (sundhed.dk) within the last 3 months. There were no differences between users and nonusers of sundhed.dk with respect to age, sex, educational level, and self-rated health. Users of NemID scored higher than nonusers in 6 of the 7 dimensions of eHLQ, the only one which did not differ was dimension 2: Understanding of health concepts and language. Sundhed.dk users had a higher score in all of the 7 dimensions except for dimension 4: Feel safe and in control. The eHLA toolkit showed that users of sundhed.dk and NemID had higher levels of eHL with regard to tools 2, 5, 6, and 7. Furthermore, users of sundhed.dk had higher levels of eHL with regard to tools 3 and 4. CONCLUSIONS: Information about patients' eHL may provide clinicians an understanding of patients' reasons for not using digital health services, better than sociodemographic data or self-rated health.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,054
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0540,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,288
Tête enseignante GPT0,575
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle