MétaCan
Menu
← Retour à la cohorte
Enregistrement W3045775063 · doi:10.2196/17154

eHealth Communication With Clients at Community-Based HIV/AIDS Service Organizations in the Southern United States: Cross-Sectional Survey

2020· article· en· W3045775063 sur OpenAlexvenueno aff
Lisa T. Wigfall

Notice bibliographique

RevueJMIR Formative Research · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer Institute
Mots-clésSnowball samplingeHealthMedicineService (business)VideoconferencingFamily medicineNursingBusinessHealth carePolitical scienceTelecommunicationsEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Providing HIV/STD testing and prevention education, medical and nonmedical case management, housing assistance, transportation services, and patient navigation are just a few examples of how community-based HIV/AIDS service organizations will help the United States realize the goals of the updated National HIV/AIDS Strategy. OBJECTIVE: In this study, the aim was to assess electronic data security confidence level, electronic communication behaviors, and interest in using eHealth communication tools with clients of staff at community-based HIV/AIDS service organizations. METHODS: Staff were recruited from 7 community-based HIV/AIDS service organizations in the southern United States (3 in South Carolina and 4 in Texas). The principal investigator used state department of health websites to identify community-based HIV/AIDS service organizations. Staff were included if they provided HIV/STD prevention education to clients. A recruitment letter was sent to community-based HIV/AIDS service organization leaders who then used snowball sampling to recruit eligible staff. Chi-square tests were used. RESULTS: Among staff (n=59) who participated in the study, 66% (39/59) were very or completely confident that safeguards are in place to keep electronically shared information from being seen by other people; 68% (40/59) used email, 58% (34/59) used text messages, 25% (15/59) used social media, 15% (9/59) used a mobile app, 8% (5/59) used web-enabled videoconferencing, and 3% (2/59) used other tools (eg, electronic medical record, healthnavigator.com website) to communicate electronically with their clients. More than half were very interested in using eHealth communication tools in the future for sharing appointment reminders (67%, 38/59) and general health tips (61%, 34/59) with their clients. Half were very interested in using eHealth communication tools in the future to share HIV medication reminders with their clients (50%, 29/59). Forty percent (23/59) were very interested in using eHealth communication tools to share vaccination reminders with their clients. CONCLUSIONS: Community-based HIV/AIDS service organization staff had some level of confidence that safeguards were in place to keep electronically shared information from being seen by other people. This is critically important given the sensitivity of the information shared between community-based HIV/AIDS service organization staff and their clients, and because many staff were very interested in using eHealth communication tools with their clients in the future. It is very likely that eHealth communication tools can be used in community settings to improve health outcomes across the HIV care continuum; in the interim, more research is needed to better understand factors that may facilitate or impede community-based HIV/AIDS service organization staff use and client acceptability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,204
Tête enseignante GPT0,520
Écart entre enseignants0,316 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→