The Effect of Remote Digital Services on Health Care Inequalities Among People Under Long-Term Dermatology Follow-Up: Cross-Sectional Questionnaire Study
Notice bibliographique
Résumé
BACKGROUND: Given the expansion of remote digital dermatology services from the National Health Service, particularly during the COVID-19 pandemic, there is a need for methods that identify patients at risk of digital exclusion to guide equitable representation in service co-design processes and tailor remote services to the needs of their patient population. OBJECTIVE: This quality improvement project aims to inform the redesign of remote services to optimally support the ongoing needs of patients with chronic skin diseases, ensuring that the services are tailored to patients' digital health literacy requirements. METHODS: We profiled the digital health literacy of 123 people with chronic skin conditions who require long-term surveillance in 2 specialist clinics (London, United Kingdom) using the Multidimensional Readiness and Enablement Index for Health Technology (READHY) questionnaire alongside the Optimizing Health Literacy and Access (Ophelia) process for hierarchical cluster analysis. RESULTS: The cluster analysis of READHY dimensions in responding participants (n=116) revealed 7 groups with distinct digital and health literacy characteristics. High READHY scores in groups 1 (n=22, 19%) and 2 (n=20, 17.2%) represent those who are confident with managing their health and using technology, whereas the lower-scoring groups, 6 (n=4, 3.4%) and 7 (n=12, 10.3%), depended on traditional services. Groups 3 (n=27, 23.3%), 4 (n=23, 19.8%), and 5 (n=8, 6.9%) had varying digital skills, access, and engagement, highlighting a population that may benefit from a co-designed dermatology service. CONCLUSIONS: By identifying patient groups with distinguishable patterns of digital access and health literacy, our method demonstrates that 63.8% (n=74) of people attending specialist clinics in our center require support in order to optimize remote follow-up or need an alternative approach. Future efforts should streamline the READHY question profile to improve its practicality and use focus groups to elicit strategies for engaging patients with digital services.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».