What Factors Influence User Satisfaction in Accessing Health Data?: Insights from a Nationally Representative Survey Study of UK Adults. (Preprint)
Notice bibliographique
Résumé
BACKGROUND Personal Health Records (PHRs) are increasingly promoted as tools to enhance patient engagement and healthcare efficiency. Despite their growing prevalence, limited evidence exists from nationally representative samples assessing PHR satisfaction—especially when comparing individuals with and without prior PHR experience. OBJECTIVE To examine determinants of PHR user satisfaction in a nationally representative UK sample by comparing individuals with experience using PHRs to those without, including perceptions of utility, functionality, and cost-related benefits. METHODS We surveyed a nationally representative sample of UK adults (N = [insert N here]) through an online panel. Participants were divided into two groups: (1) those with PHR experience, who answered perception-based questions about actual use, and (2) those without PHR experience, who responded to analogous questions framed hypothetically. Descriptive statistics and t-tests were used to compare satisfaction levels, perceived utility, and feature valuation across the two groups. Results were also benchmarked against data from Canadian users for broader context. RESULTS Respondents with PHR experience rated their systems positively on ease of use, scheduling efficiency, and provider communication. UK users scored PHRs slightly lower than Canadian counterparts, though systems differed in design. Both groups highly valued access to health information, lab results, and appointment scheduling. Participants reported avoiding some clinic and emergency visits due to PHR use, resulting in savings on transportation, parking, and time off work. Those without experience tended to overestimate their ability to manage family members’ health and had high expectations for PHR functionality—expectations that were not implausible but reflected current implementation gaps. Experienced users also expressed interest in broader data access and greater system convenience. CONCLUSIONS PHR usage in the UK is associated with high user satisfaction and tangible material and non-material benefits. However, there is a gap between expected and actual functionality, particularly among non-users. Policymakers and developers should consider these findings when expanding access to PHRs and improving their usability and feature set. This study adds value by using a nationally representative sample and by comparing both user and non-user perspectives.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
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 ».