Health care needs, eHealth literacy, use of mobile phone functionalities, and intention to use it for self-management purposes by informal caregivers of children with burns: a survey study
Notice bibliographique
Résumé
BACKGROUND: This study aimed to assess health care needs, electronic health literacy, mobile phone usage, and intention to use it for self-management purposes by informal caregivers of children with burn injuries. METHODS: This cross-sectional research was carried out in 2021 with 112 informal caregivers of children with burns in a burn center in the north of Iran. The data collection tools were questionnaires that included the participants' demographics, their E-Health Literacy, their current mobile phone usage, and their desires for mobile phone use for burn care services. RESULTS: Most informal caregivers had smartphones (83.0%) and Internet access (81.3%). Most participants occasionally used phone calls (63.4%), the Internet (45.5%), and social media (42.9) to receive information about psychosocial disorders, infection control, wound care, pain, itch, physical exercise, and feeding. Most participants have never used some of the mobile phone functionalities to receive burn-related information, such as applications/Software (99.1%) and e-mail (99.1%). Nevertheless, most informal caregivers desire to use mobile applications for self-management purposes in the future (88.4%). The mean eHealth literacy score was 25.01 (SD = 9.61). Informal caregivers who had higher education levels, access to the Internet, and lived in urban areas had higher eHealth literacy (P < 001). CONCLUSION: The current research delivers beneficial information about the healthcare needs of informal caregivers and their preference to use mobile functionality to receive burns-related healthcare and rehabilitation information post-discharge. This information can help design and implement mobile health (mHealth) interventions to enhance the self-care skills of informal caregivers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».