The Use of Internet-Based Health and Care Services by Elderly People in Europe and the Importance of the Country Context: Multilevel Study
Notice bibliographique
Résumé
BACKGROUND: Digital health care is becoming increasingly important, but it has the risk of further increasing the digital divide, as not all individuals have the opportunity, skills, and knowledge to fully benefit from potential advantages. In particular, elderly people have less experience with the internet, and hence, they are in danger of being excluded. Knowledge on the influences of the adoption of internet-based health and care services by elderly people will help to develop and promote strategies for decreasing the digital divide. OBJECTIVE: This study examined if and how elderly people are using digital services to access health and social care. Moreover, it examined what personal characteristics are associated with using these services and if there are country differences. METHODS: Data for this study were obtained from the Special Eurobarometer 460 (SB 460), which collected data on Europeans' handling of and attitudes toward digital technologies, robots, and artificial intelligence, including data on the use of internet-based health and social care services, among 27,901 EU citizens aged 15 years or older. Multilevel logistic regression models were adopted to analyze the association of using the internet for health and social care services with several individual and country-level variables. RESULTS: At the individual level, young age, high education, high social class, and living in an urban area were positively associated with a high probability of using internet-based health and social services. At the country level, the proportion of elderly people who participated in any training activity within the last month was positively associated with the proportion of elderly people using these services. CONCLUSIONS: The probability of using internet-based health and social services and their accompanying advantages strongly depend on the socioeconomic background. Training and educational programs might be helpful to mitigate these differences.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 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 ».