E-health Literacy and Older Adults: Challenges, Opportunities, and Support Needs
Notice bibliographique
Résumé
This study aimed to explore the challenges, opportunities, and support needs related to e-health literacy among older adults. By identifying these key areas, the study seeks to inform the development of targeted interventions and resources to enhance e-health literacy within this demographic. A qualitative research design was employed, involving semi-structured interviews with 16 older adults who have interacted with e-health platforms in the past year. Participants were purposively selected to ensure a diverse range of experiences. Data were analyzed using thematic analysis to identify major and minor themes related to e-health literacy challenges, opportunities, and support needs. The analysis revealed three major themes: Challenges, Opportunities, and Support Needs. Under Challenges, participants identified Technological Barriers, Health Literacy Issues, Accessibility Concerns, and Privacy and Security Fears. Opportunities highlighted were Enhanced Access to Health Information, Improved Patient-Provider Communication, and Personal Health Management. For Support Needs, the study found a demand for Educational Programs, Technical Assistance, and Customizable E-Health Tools. These findings underscore the multifaceted nature of e-health literacy among older adults and the need for comprehensive support mechanisms. Older adults face significant barriers to fully leveraging e-health resources, yet there exist substantial opportunities to enhance their e-health literacy through targeted support and interventions. Addressing the identified challenges and support needs can lead to improved health outcomes for older adults by facilitating more effective use of digital health platforms. The study underscores the importance of developing tailored e-health literacy resources that consider the unique circumstances and preferences of older adults.
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 | 0,004 | 0,010 |
| 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 | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».