MétaCan
Menu
Retour à la cohorte
Enregistrement W4413138678 · doi:10.2196/73197

Usability and Usefulness of Occupational Health Care Patient Portals: Patient-Based Cross-Sectional Study

2025· article· en· W4413138678 sur OpenAlexvenueno aff
Sari Nissinen, Pauliina Toivio, Erja Sormunen

Notice bibliographique

RevueJMIR Human Factors · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCross-sectional studyUsabilityHealth careMedicineNursingEnvironmental healthComputer scienceHuman–computer interactionPolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

Background: Patient portals are a crucial part of modern health care services, as they provide patients with access to their personal information and enable communication with health care professionals. The usability and usefulness of these portals are decisive factors in their adoption. There is a lack of previous research on the use of patient portals in occupational health care (OHC). Objective: This study aims to examine patients' experiences with the usability and usefulness of OHC patient portals and to identify the factors that influence their perceived usability and usefulness. Methods: A cross-sectional study was conducted through a web-based survey in April 2024 in Finland. Of the 3072 respondents, usability was assessed using 12 statements, and usefulness was evaluated with 9 statements. Responses were collected on a 5-point Likert scale. The survey also gathered respondents' background information, including age, gender, education, information and communication technology (ICT) skills, satisfaction, frequency of use, and data privacy concerns. Data analysis was performed using SPSS Statistics (version 29; IBM Corp), applying frequency analysis and a general linear model. Results: The results showed that 75.1% (1895/2523) of respondents agreed that the portal was easy to learn and use, 70.5% (1774/2517) felt it supported collaboration with OHC, while 52.4% (1316/2511) reported that it provided a good overview of their work ability, and 35.5% (891/2505) felt it offered a good overview of their working conditions. The perceived usability of OHC patient portals was significantly associated with several factors in the adjusted model: fear of unauthorized access to data (F4=4.49, P=.001, η²=0.007), need for guidance (F4=52.2, P<.001, η²=0.080), frequency of use (F1=34.3, P<.001, η²=0.014), satisfaction with the portal (F1=577.1, P<.001, η²=0.193), perceived ICT skills (F1=12.2, P<.001, η²=0.005), and age (F1=10.8, P<.001, η²=0.004), with younger users (≤50 years) reporting better usability. Perceived usefulness was significantly influenced by frequency of use (F1=9.80, P=.002, η²=0.004) and satisfaction (F1=548.0, P<.001, η²=0.183), while other factors such as fear of unauthorized access (F4=0.41, P=.80), need for guidance (F4=1.52, P=.20), ICT skills, education, gender, and age were not statistically significant. Conclusions: OHC patient portals must enhance their capacity to provide information on work ability and working conditions. Improved documentation of work-related hazards, risks, and workload factors in medical records is needed. These enhancements could raise patient awareness of work well-being factors.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,108
Tête enseignante GPT0,497
Écart entre enseignants0,389 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetElectronic Health Records SystemsTravaux en français237 207