Barriers and Facilitators to eHealth Technology Use Among Community-Dwelling Individuals With Spinal Cord Injury: A Qualitative Study
Notice bibliographique
Résumé
Background: As eHealth technologies become a more prevalent means to access care and self-manage health, it is important to identify the unique facilitators and barriers to their use. Few studies have evaluated the use or potential use of eHealth technologies in spinal cord injury (SCI) populations. Objectives: The primary objective of this study was to explore and identify barriers and facilitators to engagement with eHealth technologies among individuals with SCI. Methods: A qualitative descriptive study was conducted. Data were collected via one-on-one, semi-structured interviews with a subsample of 20 community-dwelling participants enrolled in a larger clinical trial. Analysis of the transcripts was undertaken using a four-phase process of content analysis. Results: Our analysis identified three barriers to engagement with eHealth technologies, including (1) overcoming a digital divide to comprehending and utilizing eHealth technologies, (2) navigating internet resources that provide too much information, and (3) interacting with these technologies despite having limited hand function. Our analysis also identified three facilitators to using eHealth technologies, including (1) having previous successful experiences with eHealth technologies, (2) being able to use voice activation features, and (3) being able to interact in an online community network. Conclusion: By exploring barriers and facilitators to eHealth technology use, these findings may have a short-term impact on informing researchers and clinicians on important factors affecting engagement of individuals with SCI with telemedicine, mobile, and web applications (apps) and a long-term impact on informing future development of eHealth interventions and tools among chronic disease 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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».