The association of electronic health literacy with behavioural and psychological coronary artery disease risk factors in patients after percutaneous coronary intervention: a 12-month follow-up study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aims: Fundamental roadblocks, such as non-use and low electronic health (eHealth) literacy, prevent the implementation of eHealth resources. The aims were to study internet usage for health information and eHealth literacy in patients after percutaneous coronary intervention (PCI). Further, we aimed to evaluate temporal changes and determine whether the use of the internet to find health information and eHealth literacy were associated with coronary artery disease (CAD) risk factors at the index admission and 12-month follow-up of the same population. Methods and results: , the eHealth literacy scale, and assessment of clinical, behavioural, and psychological CAD risk factors. Regression analyses were used. Patients' use of the internet for health information and their eHealth literacy were moderate at baseline but significantly lower at 12-month follow-up. Non-users of the internet for health information were more often smokers and had a lower burden of anxiety symptoms. Lower eHealth literacy was associated with a higher burden of depression symptoms at baseline and lower physical activity and being a smoker at baseline and at 12-month follow-up. Conclusion: Non-use of the internet and lower eHealth literacy need to be considered when implementing eHealth resources, as they are associated with behavioural and psychological CAD risk factors. eHealth should therefore be designed and implemented with high-risk CAD patients in mind. Clinical trial registration: ClinicalTrials.gov NCT03810612 https://clinicaltrials.gov/ct2/show/NCT03810612.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle