The relationship between electronic health literacy and individual factors among adults with chronic pain: A cross-sectional study
Notice bibliographique
Résumé
Introduction: Chronic pain requires individuals to develop self-management skills that rely on health literacy and, more recently, eHealth literacy. Very few studies have investigated potential predictors of eHealth literacy in chronic pain patients. Therefore, the purpose of this study is to explore potential predictors of eHealth literacy among individual characteristics and pain-related clinical factors, as a preliminary step to understanding the multi-variable relationships that could be examined in a larger study. Methods: A cross-sectional online survey was distributed to adults living in the United States with various chronic pain conditions using Amazon’s Mechanical Turk. A convenience sample of 196 participants was recruited. The independent variables of interest regarding their relationship with eHealth literacy (dependent variable) included demographics, health literacy, chronic pain severity, pain attitudes and coping skills. Chi square tests of association, and independent samples t-tests were used to examine the bivariate relationships. Results: The majority of the sample suffered from chronic pain for more than 2 years with 48% suffering from chronic back pain. Most of the sample (n=184, 93.9%) had high eHealth literacy. Significant relationships were found between eHealth literacy and the following variables: marital status, education level, and age, as well as health literacy, chronic pain interference with activities and chronic pain attitudes. These warrant further exploration in a larger study using logistic regression. Conclusions: our findings provide new information on the relationship between eHealth literacy levels, pain-related individual factors such as attitudes toward pain, and clinical outcomes, i.e., pain interference with physical and psychological function. Although further research is needed to investigate eHealth literacy predictors and mediators, these findings promote the evidence-based development and evaluation of interventions enhancing eHealth literacy skills, as well as self-management skills of chronic pain patients.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».