Factors Associated With Limited Digital Health Literacy Among Chinese Male Populations: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: eHealth resources and interventions promise to promote favorable behavior change, self-efficacy, and knowledge acquisition, thereby improving health literacy. However, individuals with limited eHealth literacy may find it difficult to identify, understand, and benefit from eHealth use. It is necessary to identify the self-assessed eHealth literacy of those who use eHealth resources to classify their eHealth literacy levels and to determine the demographic characteristics associated with higher and lower eHealth literacy skills. OBJECTIVE: This study aimed to identify notable factors closely associated with limited eHealth literacy among Chinese male populations to provide some implications for clinical practice, health education, medical research, and public health policy making. METHODS: We hypothesized that participants' eHealth literacy status was associated with various demographic characteristics. Therefore, we elicited the following information in the questionnaire: age and education, self-assessed disease knowledge, 3 well-developed health literacy assessment tools (ie, the All Aspects of Health Literacy Scale, eHealth Literacy Scale, and General Health Numeracy Test), and the 6 Internal items on health beliefs and self-confidence in the Multidimensional Health Locus of Control Scales. Using randomized sampling, we recruited survey participants from Qilu Hospital of Shandong University, China. After validating the data collected through a web-based questionnaire survey via wenjuanxing, we coded all valid data according to predefined coding schemes of Likert scales with different point (score) ranges. We then calculated the total scores of the subsections of the scales or the entire scale. Finally, we used logistic regression modeling to associate the scores of the eHealth Literacy Scale with the scores of the All Aspects of Health Literacy Scale, the General Health Numeracy Test-6, and age and education to ascertain factors considerably associated with limited eHealth literacy among Chinese male populations. RESULTS: All data from the 543 returned questionnaires were valid according to the validation criteria. By interpreting these descriptive statistics, we found that 4 factors were significantly correlated with participants' limited eHealth literacy: older age, lower education attainment, lower levels of all aspects of health literacy (functional, communicative, and critical), and weaker beliefs and self-confidence in internal drivers and strengths to stay healthy. CONCLUSIONS: By applying logistic regression modeling, we ascertained 4 factors that were significantly correlated with limited eHealth literacy among Chinese male populations. These relevant factors identified can inform stakeholders engaging in clinical practice, health education, medical research, and health policy making.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».