Digital Health Literacy During the COVID-19 Pandemic Among Health Care Providers in Resource-Limited Settings: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Digital health literacy is the use of information and communication technology to support health and health care. Digital health literacy is becoming increasingly important as individuals continue to seek medical advice from various web-based sources, especially social media, during the pandemics such as COVID-19. OBJECTIVE: The study aimed to assess health professionals' digital health literacy level and associated factors in Southwest Ethiopia in 2021. METHODS: An institution-based cross-sectional study was conducted from January to April 2021 in Ethiopia. Simple random sampling technique was used to select 423 study participants among health professionals. SPSS (version 20) software was used for data entry and analysis. A pretested self-administered questionnaire was used to collect the required data. Multivariable logistic regression was used to examine the association between the digital health literacy skill and associated factors. Significance value was obtained at 95% CI and P<.05. RESULTS: In total, 401 study subjects participated in the study. Overall, 43.6% (n=176) of respondents had high digital health literacy skills. High computer literacy (adjusted odds ratio [AOR] 4.43, 95% CI 2.34-5.67; P=.01); master's degree and above (AOR 3.42, 95% CI 2.31-4.90; P=.02); internet use (AOR 4.00, 95% CI 1.78-4.02; P=.03); perceived ease of use (AOR 2.65, 95% CI 1.35-4.65; P=.04); monthly income of >15,000 Ethiopian birr (>US $283.68; AOR 7.55, 95% CI 6.43-9.44; P<.001); good knowledge of eHealth (AOR 2.22, 95% CI 1.32-4.03; P=.04); favorable attitudes (AOR 3.11, 95% CI 2.11-4.32; P=.04); and perceived usefulness (AOR 3.43, 95% CI 2.43-5.44; P=.02) were variables associated with eHealth literacy level. CONCLUSIONS: In general, less than half of the study participants had a high digital health literacy level. High computer literacy, master's degree and above, frequent internet use, perceived ease to use, income of >15,000 Ethiopian birr (>US $283.68), good knowledge of digital health literacy, favorable attitude, and perceived usefulness were the most determinant factors in the study. Having high computer literacy, frequent use of internet, perceived ease of use, perceived usefulness, favorable attitude, and a high level of education will help to promote a high level of digital health literacy.
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) | 0,000 | 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 | 0,001 | 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 ».