Disease-Related Internet Use and its Relevance to the Patient–Physician Relationship in Atopic Dermatitis: A Cross-Sectional Study in Germany
Notice bibliographique
Résumé
Abstract: Background: Health-related internet use presents both opportunities and challenges for patients and physicians and requires a comprehensive understanding to improve individual health care in atopic dermatitis (AD). Objective: To explore differences between regular and irregular disease-related internet users, reasons for disease-related internet use, and its relevance to the patient-physician relationship in AD. Methods: This cross-sectional study recruited 221 adults with AD online and from a German university clinic between August 2021 and February 2022. The questionnaire queried sociodemographic and disease-related information, reasons for and against using the internet, types of channels used, and the impact on the patient-physician relationship. Participants were categorized as regular (≥once per month) and irregular ( Results: Regular disease-related internet use was prevalent (n = 122/221, 55.2%) and associated with self-assessed disease severity ( P = 0.019). “Moderate” (odds ratio [OR]: 2.37, confidence interval [CI]: 1.16–4.86) and “severe” (OR: 2.84, CI: 1.12–7.19) psychological distress and general physician treatment (OR: 4.10, CI: 1.85–9.09) were the strongest predictors of regular use. Most respondents researched information to address gaps in physician-provided information (n = 107/173, 61.8%) or desired physician-recommended disease-related websites (n = 94/173, 54.3%). One-quarter (n = 39/172, 22.7%) indicated that discussing online health information with physicians strained the relationship. Conclusions: This study highlights the pivotal role of the internet for individuals affected by AD, warranting its consideration in patient education and access to health care. Physicians should provide information on suitable online resources and address concerns about discussing online activities to promote patient-centered health care.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».