Perceived eHealth literacy and health literacy among people with spinal cord injury: A cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: This purpose of this research was to (1) to evaluate eHealth and general health literacy levels among individuals with spinal cord injury (SCI) and (2) to identify relationships between eHealth literacy, general health literacy, and various sociodemographic factors. DESIGN: Cross-sectional. SETTING: The study was conducted in the community setting. PARTICIPANTS: As part of a larger study, a total of 50 community-dwelling individuals with SCI were recruited. INTERVENTIONS: n/a. OUTCOME MEASURES: Quantitative online survey data were collected on participants' sociodemographic characteristics, eHealth literacy (using the eHealth Literacy Scale), general health literacy (using the Brief Health Literacy Screening Tool). RESULTS: The average age of participants was 49 years old; 25 participants were male and 25 were female. A total of 39 participants experienced traumatic SCI and 11 participants experienced non-traumatic SCI. Participants demonstrated moderate levels of eHealth literacy (31.6 out of 40) and general health literacy (17.6 out of 20). A significant, positive correlation was found between eHealth literacy and general health literacy. Significant, positive correlations were found between general health literacy and sociodemographic factors, including income and education. A significant, negative correlation was found between general health literacy and time since injury. CONCLUSION: No previous studies we are aware of have evaluated perceived eHealth literacy and general health literacy among people with SCI. This study demonstrated the diverse range of eHealth literacy levels in SCI populations and how this, and other factors, may impact an individual's ability to self-manage and adopt to eHealth technologies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,000 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 tête enseignante, 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 ».