Comparison of Self-Tracking Health Practices, eHealth Literacy, and Subjective Well-Being Between College Students With and Without Disabilities: Cross-Sectional Survey
Notice bibliographique
Résumé
Background College students with disabilities need to transition from pediatric-centered care to adult care. However, they may become overwhelmed by multiple responsibilities, such as academic activities, peer relationships, career preparation, job seeking, independent living, as well as managing their health and promoting healthy behaviors. Objective As the use of smartphones and wearable devices for collecting personal health data becomes popular, this study aimed to compare the characteristics of self-tracking health practices between college students with disabilities and their counterparts. In addition, this study examined the relationships between disability status, self-tracking health practices, eHealth literacy, and subjective well-being among college students. Methods The web-based questionnaire was designed using Qualtrics for the cross-sectional online survey. The survey data were collected from February 2023 to April 2023 and included responses from 702 participants. Results More than 80% (563/702, 80.2%) of the respondents participated voluntarily in self-tracking health practices. College students with disabilities (n=83) showed significantly lower levels of eHealth literacy and subjective well-being compared with college students without disabilities (n=619). The group with disabilities reported significantly lower satisfaction (t411=–5.97, P<.001) and perceived efficacy (t411=–4.85, P<.001) when using smartphone health apps and wearable devices. Finally, the study identified a significant correlation between subjective well-being in college students and disability status (β=3.81, P<.001), self-tracking health practices (β=2.22, P=.03), and eHealth literacy (β=24.29, P<.001). Conclusions Given the significant relationships among disability status, self-tracking health practices, eHealth literacy, and subjective well-being in college students, it is recommended to examine their ability to leverage digital technology for self-care. Offering learning opportunities to enhance eHealth literacy and self-tracking health strategies within campus environments could be a strategic approach to improve the quality of life and well-being of college students.
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 | 0,003 |
| 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 | 0,001 | 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) | 0,002 | 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 ».