MétaCan
Menu
Retour à la cohorte
Enregistrement W4403306867 · doi:10.2196/58729

Association Between Visual Impairment and Daily Internet Use Among Older Japanese Individuals: Cross-Sectional Questionnaire Study

2024· article· en· W4403306867 sur OpenAlexvenueno aff
Atsuhide Takesue, Yoshimune Hiratsuka, Katsunori Kondo, Jun Aida, Atsushi Nakagomi, Shintaro Nakao

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesAlcon JapanJapan Society for the Promotion of ScienceTokyo Medical and Dental UniversityResearch Institute of Science and Technology for SocietyNational Center for Geriatrics and GerontologyJapan Agency for Medical Research and Development
Mots-clésPreprintCross-sectional studyGerontologyVisual impairmentPsychologyThe InternetMedicineWorld Wide WebPsychiatryComputer science

Résumé

récupéré en direct d'OpenAlex

Background: Older adults might not use computers due to psychological barriers, environmental barriers such as not owning a computer or lack of internet access, and health-related barriers such as difficulties with fine motor skills, low cognitive function, or low vision. Given the health benefits of internet use among older adults, inadequate use of the internet is an urgent public health issue in many countries. Objective: We aimed to determine whether visual impairment is associated with internet use in a population-based sample of older adults. Methods: This cross-sectional study sourced data for the year 2016 from the Japan Gerontological Evaluation Study. It included functionally independent community-dwelling individuals aged ≥65 years (N=19,452) in Japan. The respondents reported their visual status by answering the question, "Is your eyesight (without or with usual glasses or corrective lenses) excellent, very good, good, fair, or poor?" We defined "internet user" as a person who uses the internet "almost daily." We used multivariate logistic regression with multiple imputations to analyze visual status, daily internet use, and any correlations between them. Results: We observed that 23.6% (4599/19,452) of respondents used the internet almost daily. Respondents with good visual status notably tended to use the internet more frequently than those with poor visual status. Specifically, 13% and 31% of respondents with poor and excellent vision, respectively, used the internet almost daily. In contrast, 66% and 45% of respondents with poor and excellent vision, respectively, did not use the internet. Even after adjusting for several covariates (age, sex, equivalized income, years of education, marital status, depression, history of systemic comorbidities, frequency of meeting friends, and total social participation score), significant associations persisted between visual status and daily internet usage. The odds ratios (ORs) tended to increase as visual status improved (P for trend <.001). The adjusted ORs for individuals with excellent and very good visual status who used the internet almost daily were 1.38 (95% CI 1.22-1.56) and 1.25 (95% CI 1.15-1.36), respectively. Conversely, the adjusted OR for those with fair or poor visual status was 0.73 (95% CI 0.62-0.86). Conclusions: In this study, we reaffirmed what several previous studies have pointed out using a very large dataset; visual impairment negatively impacted daily internet use by older adults. This highlights the need to address visual impairments to promote web use as health care services become more easily accessed on the web.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,439
Écart entre enseignants0,391 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetTechnology Use by Older AdultsTravaux en français237 207