MétaCan
Menu
Retour à la cohorte
Enregistrement W4413420864 · doi:10.2196/69640

eHealth Literacy Interventions: Scoping Review

2025· review· en· W4413420864 sur OpenAlexvenueno aff
Yutian Niu, Q. Zhang, Shoumei Jia, Anni Wang

Notice bibliographique

RevueInteractive Journal of Medical Research · 2025
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCINAHLeHealthPsychological interventionHealth literacyMedical educationInformation literacyMedicineHealth careLiteracyMEDLINEPsychologyNursingPolitical sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

Background: Electronic resources have become a predominant modality for health information dissemination in recent years. eHealth literacy (eHL) means individuals' competencies to effectively acquire and use health information from electronic sources. Enhancing eHL is thus essential to facilitate individuals' effective engagement with electronic resources and promote improved health management. Objective: This scoping review aimed to synthesize the characteristics of eHL interventions, thereby providing a reference for future intervention strategies. Methods: A comprehensive search of PubMed, Embase, Cochrane Library, Web of Science, ProQuest, CINAHL, CNKI, VIP, Wan Fang Data, and Sino Med limited to Chinese and English-language studies published before August 2024 was conducted. The interventional studies included had the explicit primary objective of enhancing eHL. We also incorporated studies that assessed eHL as a secondary outcome or mediator influencing health behaviors or clinical outcomes. All publications were required to provide publicly accessible complete datasets. We excluded conference abstracts and protocols. Academic theses and dissertations were included if they underwent institutional quality assurance through rigorous academic review processes and met predefined eligibility criteria. Results: A total of 35 studies were included in this review. The most prevalent eHL interventions (12/35, 34%) were delivered via mobile apps and devices in various settings, including educational institutions, public spaces, health care facilities, and community centers. These interventions predominantly focused on enhancing information literacy, health literacy, and computer literacy across the 6 domains of eHL: traditional, health, information, scientific, media, and computer literacy. A majority of the interventions were conducted on a weekly basis (6/13, 46%) and had a duration of 24 weeks (6/35, 17%). However, 77% (27/35) of interventions did not assess long-term effects. The primary outcomes of eHL interventions encompassed perceived eHL, actual eHealth knowledge and skills, health literacy, health behavior, and clinical outcomes, with 86% (30/35) indicating positive effects. The eHealth Literacy Scale was the most frequently used assessment tool. Conclusions: This study synthesizes the characteristics of eHL interventions. Current eHL interventions exhibit limitations in theoretical grounding, longitudinal tracking, and traditional or media literacy components. Overreliance on self-reported metrics constrains validity assessment. Future work should strengthen theoretical frameworks, integrate objective metrics, and enhance longitudinal designs.

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)0,024
score de la tête « metaresearch » (Gemma)0,101
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,101
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0100,008
Bibliométrie0,0220,021
Études des sciences et des technologies0,0020,002
Communication savante0,0060,005
Science ouverte0,0040,004
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,442
Tête enseignante GPT0,751
Écart entre enseignants0,308 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207