MétaCan
Menu
Retour à la cohorte
Enregistrement W4312140676 · doi:10.2196/43106

Canadian Older Adults’ Intention to Use an Electronic Decision Aid for Housing Decisions: Cross-sectional Web-Based Survey

2022· article· en· W4312140676 sur OpenAlexafffundvenueabout
Maya Fakhfakh, Virginie Blanchette, Karine V. Plourde, Souleymane Gadio, Marie Elf, C Allyson Jones, Louise Meijering, Anik Giguère, France Légaré

Notice bibliographique

RevueJMIR Aging · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensUniversity of AlbertaUniversité du Québec à Trois-RivièresCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleUniversité LavalCentres Intégré Universitaires de Santé et de Services Sociaux
Organismes subventionnairesCanadian Institutes of Health ResearchZonMwJoint Programming Initiative More Years, Better Lives
Mots-clésUnified theory of acceptance and use of technologyeHealthExpectancy theoryCross-sectional studyPsychologyDescriptive statisticsHealth literacyHealth Information National Trends SurveyHealth careGerontologyApplied psychologyMedicineSocial psychologyStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Older adults with disabilities such as loss of autonomy face the decision of whether to stay at home or move to a health care facility such as a nursing home. Therefore, they may need support for this difficult decision. OBJECTIVE: We assessed the intention of Canadian older adults to use an electronic decision aid (eDA) to make housing decisions and identified the factors that influenced their intention. METHODS: We conducted a cross-sectional study using a web-based survey targeting older adults across 10 Canadian provinces and 3 territories. We included respondents from a web-based panel who were aged ≥65 years, understood English or French, had access to an electronic device with an internet connection, and had made a housing decision over the past few months or were planning to make a decision in the coming year. We based the web-based survey on the Unified Theory of Acceptance and Use of Technology (UTAUT). We adapted 17 UTAUT items to measure respondents' intention to use the eDA for housing decisions, as well as items measuring 4 intention constructs (performance expectancy, effort expectancy, social influence, and facilitating conditions). We also assessed eHealth literacy using both subjective and objective scales. We used descriptive statistics and multivariable linear regression analyses to identify the factors influencing the intention to use the eDA. RESULTS: Of the 11,972 invited panelists, 1176 (9.82%) met the eligibility criteria, and 1000 (85.03%) respondents completed the survey. The mean age was 72.5 (SD 5.59) years. Most respondents were male (548/1000, 54.8%), White (906/1000, 90.6%), English speakers (629/1000, 62.9%), and lived in Ontario or Quebec (628/1000, 62.8%) and in urban areas (850/1000, 85%). The mean scores were 27.8 (SD 5.88) out of 40 for subjective eHealth literacy and 3.00 (SD 0.97) out of 5 for objective eHealth literacy. In our sample, the intention score was 4.74 (SD 1.7) out of 7. The mean scores of intention constructs out of 7 were 5.63 (SD 1.28) for facilitating conditions, 4.94 (SD 1.48) for performance expectancy, 5.61 (SD 1.35) for effort expectancy, and 4.76 (SD 1.59) for social influence. In the final model, the factors associated with intention included mother tongue (β=.30; P<.001), objective eHealth literacy (β=-.06; P=.03), performance expectancy (β=.55; P<.001), social influence (β=.37; P<.001), and facilitating conditions (β=.15; P<.001). CONCLUSIONS: Findings from this pan-Canadian web-based survey on Canadian older adults suggest that their intention to use the eDA to make housing decisions is similar to the findings in other studies using UTAUT. The factors identified as influencing intention were mother tongue, objective eHealth literacy, performance expectancy, social influence, and facilitating conditions. These will guide future strategies for the implementation of the eDA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,461
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,457
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetAssistive Technology in Communication and MobilityTravaux en français237 207