Evaluating the Needs and Characteristics of Individuals of Low Socioeconomic Status Using Digital Health Technology to Address Health-Related Social Needs: Mixed Methods Study With Patients and Care Providers
Notice bibliographique
Résumé
BACKGROUND: Social determinants of health (SDOH) are the conditions in which people are born, grow, live, work, and age, encompassing social and economic factors that shape health outcomes. There is an increasing call to leverage digital health technology (DHT) to address SDOH and health-related social needs and establish connections to resources and services. OBJECTIVE: This study aimed to (1) identify the DHT-related characteristics of DHT users with low socioeconomic status (SES), (2) determine the needs and preferences of DHT users with low SES, and (3) explore how current SDOH-DHT addresses these needs and preferences in addressing their health-related social needs. METHODS: We used a multiphase, mixed method, user-centered design approach. In phase 1, we developed a user profile based on a literature review, aggregate data, interviews with 26 low-SES individuals, and focus groups with 28 professionals. In phase 2, we conducted a landscape analysis of 17 existing SDOH-DHTs. RESULTS: DHT users of low SES had diverse social and technology characteristics. Five key themes emerged regarding user needs and preferences: (1) user-centered design, including multilingual support, visual guidance, and customization; (2) efficient, solution-based assessment of social risks, assets, and needs; (3) e-caring support features; (4) user education and feedback mechanisms; and (5) trust, privacy, and security. The landscape analysis revealed that current SDOH-DHT features do not adequately meet these needs. CONCLUSIONS: Discrepancies between target user needs and current DHT features represent missed opportunities in developing user-centered tools for individuals of low SES. Findings underscore the importance of inclusive, empowering, and responsive design in SDOH-DHT to bridge health disparities and advance public health.
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 | 0,016 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».