eHealth literacy and its associated factors in Ethiopia: Systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Electronic health has the potential benefit to the health system by improving health service quality efficiency effectiveness and reducing the cost of care. Having good e-health literacy level is considered essential for improving healthcare delivery and quality of care as well as empowers caregivers and patients to influence control care decisions. Many studies have done on eHealth literacy and its determinants among adults, however, inconsistent findings from those studies were found. Therefore, this study was conducted to determine the pooled magnitude of eHealth literacy and to identify associated factors among adults in Ethiopia through systematic review and meta-analysis. METHOD: Search of PubMed, Scopus, and web of science, and Google Scholar was conducted to find out relevant articles published from January 2028 to 2022. The Newcastle-Ottawa scale tool was used to assess the quality of included studies. Two reviewers extracted the data independently by using standard extraction formats and exported in to Stata version11 for meta-analysis. The degree of heterogeneity between studies was measured using I2 statistics. The publication bias between studies also checked by using egger test. The pooled magnitude of eHealth literacy was performed using fixed effect model. RESULT: After go through 138 studies, five studies with total participants of 1758 were included in this systematic review and Meta-analysis. The pooled estimate of eHealth literacy in Ethiopia was found 59.39% (95%CI: 47.10-71.68). Perceived usefulness (AOR = 2.46; 95% CI: 1.36, 3.12),educational status(AOR = 2.28; 95% CI: 1.11, 4.68), internet access (AOR = 2.35; 95% CI: 1.67, 3.30), knowledge on electronic health information sources(AOR = 2.60; 95% CI: 1.78, 3.78), electronic health information sources utilization (AOR = 2.55; 95%CI: 1.85, 3.52), gender (AOR = 1.82; 95% CI: 1.38, 2.41) were identified significant predictors of e-health literacy. CONCLUSION AND RECOMMENDATION: This systematic review and meta-analysis found that more than half of study participants were eHealth literate. This finding recommends that creating awareness about importance of eHealth usefulness and capacity building to enhance and encouraging to use electronic sources and availability of internet has para amount to solution to increase eHealth literacy level of study participants.
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 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 | 0,011 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».