Patient Factors Associated with Interest in Teledermatology: Cross-sectional Survey
Notice bibliographique
Résumé
BACKGROUND: Teledermatology is a conduit for patients communicating with dermatologists on the internet, which bypasses in-person visits. It holds promise to address access needs for dermatologic care; however, the interest in using teledermatology is unknown in underserved populations with potential barriers to the use of health care technology. OBJECTIVE: This study aimed to characterize the association between demographic characteristics with interest in exchanging digital images or videos of skin lesions with health care providers electronically. METHODS: We examined data from the Health Information National Trends Survey (HINTS) 4 cycle 4 (2014) of the National Cancer Institute. HINTS is a cross-sectional, nationally representative household survey conducted annually, which collects information on demographics, perceptions and use of health information, and provides information on how cancer risks are perceived. HINTS 4 cycle 4 had a sample of 3677 participants. We examined the outcome to the question, "how interested are you in exchanging digital images or videos (eg, photos of skin lesions) with a health care provider electronically?" We dichotomized the outcome by a high level of interest (responding with "very") and those who did not have a high level of interest (responding with "somewhat," "a little," or "not at all") in exchanging images or videos. We used a multivariable logistic regression model developed through backwards selection, with all final covariates associated with varying levels of teledermatology use at P<.05. Sensitivity analysis was performed by changing the outcome dichotomy to model those who were "not at all" interested. Two-sided tests were performed with P<.05 considered significant. RESULTS: Among 3447 respondents, 888 (weighted prevalence=26.2%) were "very" interested in participating in teledermatology. A higher interest in using teledermatology was associated with a younger age, higher educational attainment, higher household income, internet usage, type of mobile device ownership, history of electronic medical information exchange with a clinician within the past 12 months, and high level of trust in web-based information on cancer (for all, P<.01), but not with the female gender, race or ethnicity, health insurance status, or having a regular medical provider. CONCLUSIONS: Modifiable access barriers to teledermatology adoption include trust, experience with teledermatology, and use of health apps. Teledermatology program implementation should address these specific factors within the digital divide to promote equitable access to care across diverse patient populations.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».