Predictors of Internet Use Among Older Adults With Diabetes in South Korea: Survey Study
Notice bibliographique
Résumé
BACKGROUND: Internet access in Korea has grown dramatically over the past two decades. However, disparities in internet use, referred to as the second level of the digital divide, persist. OBJECTIVE: This study aims to examine opportunity, motivation, and health variables that indicate internet use among older adults with diabetes. METHODS: Data were sourced from a nationally representative sample of people 65 years and older with diabetes (N=1919). Logistic regression was used to explore potential differences in predictor variables between internet users and nonusers. RESULTS: Only 306 of the 1919 (15.95%) participants in the sample used the internet. They were more likely to be younger (odds ratio [OR] 0.89, 95% CI 0.87-0.92), well-educated (OR 1.20, 95% CI 1.16-1.26), and able to afford leisure expenditures (OR 1.02, 95% CI 1.01-1.04). Additionally, they had more information and communications technology (ICT) training experience, were motivated to learn, volunteered, and reported good physical and cognitive function. Participation in ICT education and better health more positively correlated with a higher rate of internet use than did years of education or economic standing in older adults with diabetes. CONCLUSIONS: To support older adults with diabetes in the internet age, policies and health care providers should focus on digital competency training as well as physical and cognitive function.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».