The Relation between e-Health Literacy and Health-related Behaviors: A Systematic Review and Meta-analysis (Preprint)
Notice bibliographique
Résumé
BACKGROUND With the widespread use of the Internet and mobile devices, many people gained improved access to obtain health-related information online for health promotion and disease management. As the acquired health information online can affect health-related behaviors, healthcare providers need to take into account each individual’s online health literacy (e-Health literacy, hereinafter “eHL”). OBJECTIVE To determine whether an individuals’ level of eHL affect actual health-related behaviors, the correlation between eHL and health-related behaviors was identified in an integrated manner through systematic literature review and meta-analysis. METHODS The MEDLINE, EMBASE, Cochrane, KoreaMed, and RISS databases were systematically searched for relevant studies published up to 19 March 2021 using combined keywords related to “e-Health” and “literacy.” A pooled correlation coefficient was generated by integrating the correlation coefficients obtained from the selected studies, and subgroup analysis with participants’ characteristics and types of behaviors was performed. The risk of bias was assessed using the modified Newcastle-Ottawa Scale. RESULTS Among 1,922 eHL-related papers, 14 studies that presented the correlation coefficient between eHL and health-related behaviors were included in the meta-analysis. The pooled correlation coefficient was 0.31 (95% confidence interval [CI]=0.25-0.34), which indicated a moderate correlation between eHL and health-related behaviors. In the subgroup analysis, the pooled correlation coefficient was 0.37 (95% CI=0.29-0.44) among older adults (aged≥65), 0.28 (95% CI=0.17-0.39) in the population with disease, and 0.36 (95% CI=0.27-0.41) for studies on the relevance to health-promoting behavior. CONCLUSIONS Our results of positive correlation between eHL and health-related behaviors indicate that eHL can be a mediator in the process by which health-related information leads to changes in health-related behavior. Larger-scale studies with stronger validity are needed to evaluate the detailed relationship between the proficiency level of eHL and health-related behaviors for health promotion in the future.
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 | 0,020 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,041 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».