Diagnostic accuracy of eHealth literacy measurement tools in older adults: a systematic review
Notice bibliographique
Résumé
BACKGROUND: In Canada, virtual health care rapidly expanded during the COVID-19 pandemic. There is substantial variability between older adults in terms of digital literacy skills, which precludes equitable participation of some older adults in virtual care. Little is known about how to measure older adults' electronic health (eHealth) literacy, which could help healthcare providers to support older adults in accessing virtual care. Our study objective was to examine the diagnostic accuracy of eHealth literacy tools in older adults. METHODS: We completed a systematic review examining the validity of eHealth literacy tools compared to a reference standard or another tool. We searched MEDLINE, EMBASE, CENTRAL/CDSR, PsycINFO and grey literature for articles published from inception until January 13, 2021. We included studies where the mean population age was at least 60 years old. Two reviewers independently completed article screening, data abstraction, and risk of bias assessment using the Quality Assessment for Diagnostic Accuracy Studies-2 tool. We implemented the PROGRESS-Plus framework to describe the reporting of social determinants of health. RESULTS: We identified 14,940 citations and included two studies. Included studies described three methods for assessing eHealth literacy: computer simulation, eHealth Literacy Scale (eHEALS), and Transactional Model of eHealth Literacy (TMeHL). eHEALS correlated moderately with participants' computer simulation performance (r = 0.34) and TMeHL correlated moderately to highly with eHEALS (r = 0.47-0.66). Using the PROGRESS-Plus framework, we identified shortcomings in the reporting of study participants' social determinants of health, including social capital and time-dependent relationships. CONCLUSIONS: We found two tools to support clinicians in identifying older adults' eHealth literacy. However, given the shortcomings highlighted in the validation of eHealth literacy tools in older adults, future primary research describing the diagnostic accuracy of tools for measuring eHealth literacy in this population and how social determinants of health impact the assessment of eHealth literacy is needed to strengthen tool implementation in clinical practice. PROTOCOL REGISTRATION: We registered our systematic review of the literature a priori with PROSPERO (CRD42021238365).
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 | 0,021 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».