Internet Access and Usage Among Stroke Survivors and Their Informal Caregivers: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Web-based interventions have shown promise for chronic disease management but have not been widely applied to populations with stroke. Existing barriers may inhibit the adoption of web-based interventions among stroke survivors and necessitate the involvement of informal caregivers. However, limited information is available on internet accessibility and usability among stroke survivors and their caregivers. OBJECTIVE: This study aims to investigate internet access and usage in a cohort of stroke survivors and their caregivers. METHODS: A cross-sectional survey was conducted with 375 participants (248 stroke survivors and 127 caregivers). Descriptive statistics were generated using cross-tabulation. Comparisons with categorical data were conducted using the chi-square test, whereas the Mann-Whitney U test was used for comparisons involving ordinal variables. RESULTS: =14.7, P<.001). Stroke survivors and caregivers with internet access were younger than stroke survivors and caregivers without internet access. The highest number of participants who reported internet access were non-Hispanic White. Smartphones were the most common devices used to access the internet. Email was the most common type of internet usage reported. Patients who survived for >12 months after a stroke reported higher internet access than those who survived <3 months (P<.001). The number of hours per week spent using the internet was higher for caregivers than for stroke survivors (P<.001). CONCLUSIONS: Future feasibility and acceptability studies should consider the role of the informal caregiver, participant age, race and ethnicity, the use of smartphone apps, email and text correspondence, and the amount of time elapsed since the stroke event in the design and implementation of web-based interventions for populations with stroke.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».