Tailoring for Health Literacy in the Design and Development of eHealth Interventions: Systematic Review
Notice bibliographique
Résumé
Background: Tailoring is an important strategy to improve uptake and efficacy of medical information and guidance provided through eHealth interventions. Given the rapid expansion of eHealth, understanding the design rationale of such tailored interventions is vital for further development of and research into eHealth interventions aimed at improving health and healthy behavior. Objective: This systematic review examines the use of health literacy concepts through tailoring strategies in digital health interventions (eHealth) aimed at improving health and how these elements inform the overall design rationale. Methods: A systematic search of PubMed, PsycINFO, Web of Science, and ACM databases yielded 31 eligible randomized trials that focused on adult health improvement through eHealth interventions. Eligible studies compared tailored versus nontailored eHealth interventions for adults, excluding non-English papers and those addressing solely readability or targeting populations with accessibility barriers. Data extraction focused on study characteristics, health literacy components, tailoring methods, and design rationales, with study quality evaluated using Quality Assessment for Diverse Studies (QuADS) by independent reviewers. Results: Most interventions applied both cognitive and social health literacy concepts and predominantly used content matching as a tailoring strategy. Of all studies using content matching, most used one or more supporting theories as well as end-user data to inform the content matching. While choices for individual intervention components were mostly explicated, detailed descriptions of the design process were scarce, with only a few studies articulating an underlying narrative that integrated the most important chosen components. Conclusions: While tailored eHealth interventions demonstrate promise in enhancing health literacy and the trial design of the interventions overall was of good quality, inconsistent documentation of design rationales impedes replicability and broader application of the used eHealth concepts. This calls for more detailed reporting on the design choices of the intervention in efficacy studies, so that reported outcomes can be easier connected to choices made in the design of the eHealth intervention.
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 | 0,065 | 0,217 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,012 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».