Older Adults’ Use of and Interest in Technology and Applications for Health Management: A Survey Study
Notice bibliographique
Résumé
Background: Older adults face challenges with managing their medications, obtaining health education, and accessing health services. Mobile health (mHealth), defined as any medical or public health practice facilitated through mobile devices, could help to overcome these difficulties. Objectives: To determine what technologies and apps are in current use by older adults, to explore the types of technologies and apps that may be of interest to people in this age group, to explore concerns about technologies, and to examine any age-related differences. Methods: Adults 60 years of age or older were invited to complete a 35-item electronic survey, in either French or English, which was distributed through social media and by email from organizations working with older adults. The survey was conducted in mid-2020. Results: A total of 266 respondents completed some or all of the survey. Most participants had a mobile phone (229/243, 94.2%), and approximately one-third (78/222, 35.1%) had used a health-related app in the previous 12 months; this level of usage was consistent across age groups. Most respondents were interested in using an app to improve their health (171/225, 76.0%), with variation by age: highest among those 60–64 years of age (82/95, 86.3%), lower among those 80 years or older (40/52, 76.9%), and lowest among those 65–69 years of age (6/14, 42.9%). Most older adults were interested in using an app to ask questions of pharmacists (161/219, 73.5%) and to review their medications (154/218, 70.6%). Participants’ mHealth concerns focused on costs, disclosure of personal information, effectiveness, usability, and endorsement by health care providers. The study limitations included challenges related to electronic recruitment and survey distribution, as well as a high representation of participants with postsecondary education. Conclusions: These findings suggest that a substantial proportion of older adults are already using and are interested in using mHealth for health information, to ask questions, and/or to review their medications with a health care team member. RÉSUMÉ Contexte : Les personnes âgées sont confrontées à des difficultés pour gérer leurs médicaments, s’informer sur la santé et accéder aux services de santé. Les applications de « santé mobile », définies comme toute pratique médicale ou de santé publique facilitée par des appareils mobiles, pourraient aider à surmonter ces difficultés. Objectifs : Déterminer quelles technologies et applications sont actuellement utilisées par les aînés; examiner celles qui pourraient être intéressantes dans cette tranche d’âge; étudier les préoccupations concernant les technologies et examiner les différences liées à l’âge. Méthodes : Des adultes d’au moins 60 ans ont été invités à répondre à un sondage électronique comprenant 35 questions en français ou en anglais. Ce sondage, mené à la mi-2020, a été diffusé par des organismes travaillant avec des aînés via les médias sociaux et par courriel. Résultats : Au total, 266 participants y ont répondu en partie ou en totalité. La plupart des répondants avaient un téléphone portable (229/243, 94,2 %) et environ un tiers (78/222, 35,1 %) avaient utilisé une application liée à la santé au cours des 12 derniers mois; ce taux d’utilisation était constant tous groupes d’âge confondus. La plupart des répondants souhaitaient utiliser une application pour améliorer leur santé (171/225, 76,0 %), avec des variations du taux d’utilisation selon l’âge : le plus élevé chez les 60 à 64 ans (82/95, 86,3 %), un peu moins chez les 80 ans ou plus (40/52, 76,9 %), et le plus bas chez les 65 à 69 ans (6/14, 42,9 %). La plupart des personnes âgées souhaitent utiliser une application pour poser des questions aux pharmaciens (161/219, 73,5 %) et pour s’informer sur leurs médicaments (154/218, 70,6 %). Les préoccupations des participants en matière de « santé mobile » portaient sur les coûts, la divulgation d’informations personnelles, l’efficacité, la convivialité et l’approbation par les prestataires de soins de santé. On notera, parmi les limites de l’étude, les défis liés au recrutement électronique et à la distribution électronique des sondages, ainsi qu’une forte représentation de participants ayant fait des études postsecondaires. Conclusions : Ces résultats portent à croire qu’une proportion importante d’adultes âgés utilisent déjà la technologie de « santé mobile » et souhaitent l’utiliser pour obtenir des informations sur la santé, poser des questions et/ou s’informer sur leurs médicaments auprès d’un membre de l’équipe de soins de santé.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».