Older Patients’ Competence, Preferences, and Attitudes Toward Digital Technology Use: Explorative Study
Notice bibliographique
Résumé
BACKGROUND: Malnutrition is prevalent in older patients, which is associated with severe consequences such as a decline in functional status, increased risk of readmission, and increased mortality. A tablet-based eHealth solution (Food'n'Go) was recently developed and introduced at our clinic to support older patients' involvement in nutritional interventions during their hospitalization, thereby enhancing their awareness and motivation for choosing the right food to obtain sufficient calorie and protein intake. To reap the full benefits from the eHealth solution, the technology should be introduced and accompanied by support that targets the end users' competence level and needs. OBJECTIVE: In this study, we aimed to explore older patients' readiness (ie, competence, preferences, and attitudes) toward the use of information and communication technology (ICT), and to identify the factors that may act as barriers or facilitators for their engagement with health technology. METHODS: A descriptive and explorative study was performed using triangulation of data derived from semistructured interviews and questionnaires (based on the Readiness and Enablement Index for Health Technology [READHY] instrument). Older hospitalized patients (age ≥65 years; N=25) were included from two hospitals in Denmark. RESULTS: The majority (16/25, 64%) of the older patients (median age 81 years) were users of ICT. The qualitative findings revealed that their experiences of benefits related to the use of ICT facilitated usage. Barriers for use of ICT were health-related challenges, limited digital literacy, and low self-efficacy related to ICT use due to age-related prejudices by their relatives and themselves. The qualitative findings were also reflected in the low median scores on the eHealth Literacy Questionnaire (eHLQ) READHY scales within dimensions addressing the user's knowledge and skills (eHLQ1:1.8; eHLQ3: 2.0), and the user experience (eHLQ6: 2.0; eHLQ7: 1.5). CONCLUSIONS: Older patients are potential users of ICT, but experience a variety of barriers for using eHealth. When introducing older patients to eHealth, it is important to emphasize the possible benefits, and to offer support targeting their knowledge, skills, and motivation.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| 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 ».