The Use of Digital Technologies in the Promotion of Health Literacy and Empowerment of Informal Caregivers: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Informal caregivers (IC) play an important role in the community as health care providers for people who are dependent on self-care. Health literacy contributes to empowerment, better care, and self-management of one's own health and can be developed using digital technologies. OBJECTIVE: This study aims to map scientific evidence about the use of digital technologies to promote health literacy and the empowerment of ICs. METHODS: We conducted a scoping review following the Joanna Briggs Institute methodology. The CINAHL, MEDLINE, Scopus, and PubMed databases were searched to find primary studies on the theme. Inclusion criteria were based on the Population, Concept, and Context logic. To be selected for analysis, studies must have involved informal or family caregivers aged ≥18 years who provide care to dependent persons and who have access to the internet and digital devices (computer, smartphone, and tablet). A total of 2 independent researchers (SS and LVH) performed the screening process. This study is part of a main project that was approved by the Ethics Committee for Health of the Regional Health Administration of Lisbon and Tagus Valley (reference 058/CES/INV/2022). RESULTS: A total of 9 studies were included in the review. The analysis of the studies showed that ICs use digital tools, such as computers and smartphones, with smartphones being the preferred tool. ICs use the internet to access information; manage home tasks; communicate with relatives, their peers, and health care professionals; and take part in forums. Due to difficulties in leaving their houses, forums are highly valued to preserve human connections. CONCLUSIONS: The use of digital technologies to convey clear, objective, reliable, and accessible information is a strategic action for promoting health literacy and for contemplating the variable care needs of ICs. By working with ICs in the development of new technologies, researchers are building a new tool that meets ICs' needs.
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 | 0,012 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,019 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».