Complex role of digital health literacy in awareness and use of digital sexually transmitted and blood-borne infections testing: a structural equation modelling analysis of the 2022 GetCheckedOnline survey
Notice bibliographique
Résumé
BACKGROUND: Although digital health literacy (DHL) is recognised as a determinant of access to digital sexually transmitted and blood-borne infection (STBBI) testing, empirical evidence about its contribution to access disparities remains limited. We applied multidimensional DHL measures to examine inequities in awareness and use of GetCheckedOnline, British Columbia's (BC) publicly funded digital STBBI testing service. METHODS: We analysed data from GetCheckedOnline's 2022 community survey of English-speaking BC residents aged ≥16 years who were sexually active in the past year. Outcomes were awareness and use of GetCheckedOnline (yes/no). DHL was measured using latent factors from the eHealth Literacy Scale: Information Navigation, Resource Appraisal and Confidence in Use. Structural equation modelling (SEM) was used to estimate associations and mediation pathways between DHL, sociodemographic characteristics and service outcomes. Model fit was assessed using standard SEM indices. RESULTS: Among 1657 respondents (mean age 33 years, SD 11.77), Information Navigation was positively associated with awareness (β=0.162, p<0.001) and use (β=0.063, p=0.020) of GetCheckedOnline. Confidence in Use was positively associated with awareness (β=0.206, p=0.014) and use (β=0.115, p=0.020). In contrast, Resource Appraisal was negatively associated with awareness (β=-0.263, p=0.006) and use (β=-0.150, p=0.010). DHL factors mediated the effects of age, income, education and digital access on both outcomes. CONCLUSIONS: DHL operates as a multidimensional and socially patterned determinant of access to digital STBBI testing services. While information navigation and confidence in use facilitate access, higher resource appraisal may reduce use, potentially reflecting concerns about service fit, privacy or trust. Findings highlight the need for digital interventions that are not only accessible but also contextually relevant, trusted and responsive to the needs of diverse users.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».