The Role of Health Information Technology in Improving Awareness of Human Papillomavirus and Human Papillomavirus Vaccine Among U.S. Adults
Notice bibliographique
Résumé
Objective: Although human papillomavirus (HPV) vaccines prevent cancer-causing HPV infections and cervical precancers, there is suboptimal awareness and limited global accessibility of HPV and HPV vaccine. Emerging evidence suggests that health information technology (HIT) may influence HPV-related awareness and improve vaccine adoption. The objective of this study was to evaluate the link between HIT and HPV-related awareness Methods: Data were obtained from 1,866 U.S. adults aged 18–45 years who completed the 2017 and 2018 Health Information National Trends Survey. We conducted multivariable logistic regression to analyze the association between HIT utilization and HPV-related awareness. Results: Awareness of HPV and HPV vaccine were 72.7% and 67.5%, respectively. Participants who used electronic means to look up health information (adjusted odds ratio [aOR] = 3.05; p = 0.001), communicate with health care provider (aOR = 1.68; p = 0.026), look up test results (aOR = 1.94; p = 0.005), and track health costs (aOR = 1.65; p = 0.04) were more likely to report HPV awareness than those who did not. Participants who used an electronic device to look up health information (aOR = 3.10; p = 0.003), communicate with clinicians (aOR = 1.72; p = 0.008), look up test results (aOR = 1.63; p = 0.021), and track health care charges (aOR = 1.90; p = 0.006) were more likely to report HPV vaccine awareness than those who did not. Discussion and Conclusion: Our findings suggest a positive association between HIT utilization and HPV-related awareness. Given the rapid and exponential increase in mobile technology access globally, these results are encouraging and offer a potential opportunity to leverage digital technology in primary cancer prevention for HPV-related cancers, especially in low- and middle-income countries with unsophisticated health infrastructures.
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 | 0,004 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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 ».