电子健康素养:将数字鸿沟扩展到健康信息领域

介绍

电子健康是一个相对较新的概念[1]，指"利用新兴信息和通信技术改善健康和保健或使之成为可能" [2]。电子卫生扫盲，其中包括健康知识［3.-5]，有效地将健康消费者与互联网使用的典型结果(即机会和可能的危害)联系起来[6]，以及不平等(例如，属于少数民族或被剥夺公民权的群体[7-9]、教育[10-13]，年龄[13-15]，以及性别[15-17])。在20世纪90年代，对与数字鸿沟相关的不平等的担忧主要集中在基础设施的使用权:基础设施的所有权、可用性和可负担性[18]。关于数字鸿沟的讨论已经扩展到其他问题，将重点转移到访问模式上[19]，用法[20.，21]，以及在线技能，而不仅仅是获取技术[13，20.，21]。电子卫生知识普及可能构成卫生领域的第二个鸿沟[21，22]。

诺曼和斯金纳[23)提出，电子卫生素养是“从电子来源寻找、发现、理解和评估卫生信息，并应用所获得的知识来解决或解决卫生问题的能力。”他们提出，电子卫生素养包括6种素养:传统的(识字和算术)，信息，媒体，健康，电脑,科学．其中，媒体和计算机素养是互联网语境的独特属性，媒体是对媒体偏见或视角的意识，从媒体信息中辨别显性和隐性意义的能力，并从媒体信息中推导意义。文献还包括其他测量感知能力或疗效的方法，但这些方法并不仅限于互联网上的健康信息[24-26]。

诺曼和斯金纳[23，27]提倡将电子医疗技术与其预期用户的技能相匹配。通过将用户的计算机工作知识(或特定语言或技能)提高到有利于实现与健康相关的目标的水平，以及在设计系统时考虑到用户，可以实现这种匹配。为了进一步解决这一分歧，Norman和Skinner开发了一个电子健康素养量表(eHEALS)来衡量电子健康素养[27]，以加拿大青少年为样本。他们强调，电子卫生扫盲应被视为一个随时间演变的过程，而发展速度取决于技术和背景(个人、社会和环境)，而不是一个静态属性。电子卫生素养具有可塑性，确实可能"增强个人权能，使他们能够充分参与根据电子卫生资源作出的卫生决策" [23]。相反，以电子卫生扫盲形式将数字资源扩展到卫生领域也可能在卫生消费者之间造成新的差距[14，28]。富人和穷人之间的数字鸿沟29在发达经济体，就媒体的获取而言，似乎正在关闭;然而，电子卫生扫盲不是取决于数字鸿沟，而是取决于知识鸿沟[30.]，从而支持了信息技术正在造成新的社会不平等，而不是消除社会差异的假设[28，31]。

随着互联网的使用，新的不平等现象可能会出现。虽然大多数人仍喜欢与医生面对面交流，以口头方式获得健康资讯[12]，那些拥有更好的数字和健康知识的人可能会消费更多的信息[28无论是书面形式还是非书面形式，信息更是书面形式。广泛使用数字资源还可能与采用更多搜索策略的能力有关，并与更清楚地认识到所获得信息的质量、潜在差距和不准确性有关[32]。最后，为卫生目的使用互联网的结果和益处可能扩展卫生扫盲的传统结果[33-36]通过提供医患互动的新领域[37和自我照顾。

目前的研究和假设

本研究的重点是电子卫生素养，并将其与信息搜索的过程和结果联系起来。首先，我们检查了电子健康素养概念的结构，以确定诺曼和斯金纳所描述的概念的1因素结构是否也适用于当前的研究，该研究使用了来自另一种文化(以色列)的样本，并扩大了年龄范围(与加拿大原始研究的青少年样本相比[27])。接下来，我们研究了电子健康素养与数字鸿沟相关问题之间的关联:考虑的因素包括社会人口特征、互联网接入和数字素养、信息消费所涉及的过程以及使用互联网获取健康信息的结果。

由于诺曼和斯金纳使用的样本是受年龄限制的，我们对我们的年龄扩大样本是否会复制加拿大样本中eHealth量表的结构没有假设。根据以色列样本中有关数字鸿沟和数字鸿沟指数(DIDIX)的文献[15]，我们假设具有较高电子健康素养的人将更年轻，具有较高的社会经济地位，将有更多的机会获得数字资源，并将表现出更高程度的数字素养，而不是电子健康素养较低的人。

根据数字鸿沟文献，我们就信息消费领域提出以下假设。与电子健康素养较低的人相比，电子健康素养高的人会(1)使用更多的信息来源(杂志、书籍、电视和广播以及人际资源)，(2)除了谷歌搜索外，还会使用各种搜索策略，(3)更严格地判断互联网上的信息，并会使用更多的标准来评估健康信息，(4)由于使用互联网，体验更多的结果和更高的效价。

由于研究结果的变化，我们没有假设电子卫生素养与性别的关系。Losh [16小野和扎沃德尼[38发现互联网接入和使用方面的性别不平等要么减少、消失，要么变得非常具体和依赖于环境;例如，研究结果表明，性别差异已转移到其他维度，如使用自主性、经验、技能和使用类型[17，39，40]。此外，以色列样本的研究结果表明，DIDIX在性别方面低于所研究的任何其他特征(如教育、收入和年龄)[15]。我们故意没有提出关于电子健康素养和健康状况的假设，因为文献中的发现相互矛盾(例如，Fox [41] vs Bundorf et al [42]关于慢性疾病;和戈德纳[43] vs Wangberg等[44)。

方法

数据收集和样本特征

当前的研究是一项更大研究的一部分，该研究一方面考察了用户的需求、熟练程度和使用过程，另一方面考察了电子卫生资源在质量、语言和对用户的假设方面的差距。本研究分析的数据收集自2008年5月至8月对以色列成年人口(18岁及以上)进行的具有全国代表性的随机数字拨号电话住户调查(仅限座机)。在这项研究进行的时候，只有7.1%的以色列人拥有一部手机。因此，我们期望座机抽样框架能充分代表以色列成年人口。

随机数字拨号工作的抽样程序首先将统计区域分为4层，根据(1)人口群体(犹太人、阿拉伯人和混合地区)，(2)7个地理区，(3)不同规模的定居点(大城市到小城镇和村庄)，以及(4)基于以色列中央统计局分类的社会经济地位指数。

抽样采用双框架设计，在任何框架中都没有分层，包括两个选择阶段。更大的框架旨在为符合条件的人口提供全国覆盖。调查人员向4286个居民家庭拨打电话，以确定2201名使用互联网的合格潜在受访者。在这些受访者中，1289人将互联网用于健康目的。这些访谈是由专业的面试官进行的，他们经过了专门的培训课程，以熟悉问卷的术语。访谈者使用计算机辅助电话访谈软件进行电话调查。

与以色列人口普查数据的比较表明，本研究的调查样本在性别和年龄分布方面具有以色列人口的代表性[45])。调查样本被进一步控制，以对应区域人口分布(见多媒体附件1）.

测量

电子健康素养(感知)使用Norman和Skinner的eHEALS量表进行检测[27]。原始量表由8个问题组成。由于原始量表中的2个项目在我们的调查中以更详细的方式被挖掘，我们只使用了6个问题。我们研究的最终量表包括6项，符合满意的内部一致性标准(alpha = .86)。调查采用了5分制(从非常同意到不同意)。受访者根据他们在感知电子卫生素养的6项量表上获得的平均分被分为两组。量表的平均得分为3.34 (SD为0.88)。我们使用量表的中位数得分(中位数3.4)来创建两个组:电子健康素养平均得分高的组(中位数≥3.4);电子健康素养平均得分较低(中位数≤3.39)的人群。

互联网接入通过询问参与者是否每月至少在5个地点中的任何一个使用互联网来衡量。研究人员给出了一个包含5个地点的列表，参与者指出这个选项是否适用于他们(图书馆/社区中心、朋友家、邻居家、网吧或学校/大学)。

数字素养通过询问参与6项活动的频率(访问博客，参与论坛，玩游戏，下载或听音乐，下载软件，或与朋友发电子邮件)来进行调查。使用5点频响量表(从经常到从不)。此外，用户感知的一般互联网技能(不熟练，不是很熟练，相当熟练，非常熟练，或专家)[22，46]。计算每个参与者数字素养的总平均分(alpha = 0.75)。

健康信息来源通过询问“你多久从以下渠道获得一次健康信息?”会议列出了6个健康来源，与会者对每个来源都作了答复。除了作为卫生信息来源的互联网之外，该名单还包括广播或电视;报纸/杂志或书籍;从药剂师、护士或医生处获得的信息;以及从家人或朋友那里获得的信息。使用了5分的反应量表(从经常到从不)。计算每个参与者健康信息渠道的总平均分(alpha = .64)。

健康信息内容通过询问“你多久在网上搜索与以下领域和行为相关的信息?”会议列出了与卫生信息有关的8个领域和行动，与会者对每个领域都作出了答复。清单上包括寻找医生的信息;提供保健服务的机构(医院、社区诊所、药房等);可能的治疗方法(程序和药物);还有社会支持。采用5分反应量表(从每周几次到从未进行)。计算每个参与者在互联网上寻求健康信息的总平均分(alpha = .80)。

搜索策略通过询问“为了在互联网上找到健康信息，你通常会做以下事情”来调查被雇佣来获取数字健康信息的人。列出了5种常见的搜索行为:使用我的医生推荐的网站;关注网站上出现的链接;在论坛上提问;使用我的收藏列表;使用朋友推荐的网站。使用5点频响量表(从总是到从不)。计算每个参与者的健康信息搜索策略的总平均分(alpha = .64)。

评价criteri使用巴恩斯和同事的[32)规模。参与者被问及以下5项标准在判断一个网站的重要性:网站的目的是否明确，信息是否准确;它有可靠的来源;有一个联系人可以提供问题/评论/帮助;检索方便，可及时完成;信息的范围符合我的需要。我们采用了5分的反应量表(从非常重要到不知道)。计算每个参与者的健康网站评价标准的总平均分(alpha = .77)。

感知到的结果通过询问“你是否同意在互联网上寻求健康信息…?”9个结果的列表，改编自Baker等人[47]，提出:提高你管理自己健康需求的能力;使你能够向你的医生询问你从互联网上获得的信息;使您能够向您的医生展示您检索到的信息;在与医生的接触中提高了你的力量感;提高了您对感兴趣的症状、条件或治疗方法的理解;更新您在卫生创新方面的知识;引导你采取独立的步骤(如看专家，或改变锻炼方案或饮食习惯);使你能够考虑其他的治疗方案;让你更加了解病人的保险权利(所有以色列公民都有健康保险)。调查采用了5分制(从非常同意到不同意)。 The total mean score for each participant’s outcome perception was computed (alpha = .87).

社会人口的信息包括性别、年龄、受教育程度、宗教信仰、健康状况和慢性病。

认为健康收集受访者对健康状况的自我评价，并与与其年龄和性别的其他人进行比较。受访者表明他们是处于平均水平、略高于平均水平、远高于平均水平、略低于平均水平，还是远低于平均水平。

的存在慢性疾病通过询问受访者是否患有慢性疾病来评估。

数据分析

我们首先对eHEALS进行了主成分分析。其次，为了表明我们的测量是独立的因素，我们使用SAS 9.2版的CALIS程序(SAS Institute, Cary, NC, USA)对所有主要变量进行了两组验证性因素分析。最后采用方差分析和χ分析²比较组间差异，皮尔逊相关检验项目之间或指数之间的关系。

结果

电子健康素养量表的探索性因子分析

由于本研究仅使用了8个原始eHEALS项目中的6个，因此我们对这些项目进行了探索性因子分析。主成分分析产生单因素解决方案(特征值= 3.551,59%的方差被解释)。6个项目的因子负荷在0.62到0.84之间。对6个项目的内部一致性可靠性进行了分析，产生了0.86的阿尔法系数，其中项目规模的相关性范围从r= 0.50到0.73。这些结果与诺曼和斯金纳的结果非常相似[27]，其中单因素解解释了56%的方差，内部一致性信度为alpha = .88，项目尺度相关性范围为r= 0.51到0.76。

研究量表的验证性因素分析

我们计算了2-模型拟合分析，以确保每个量表独立于其他量表的假设。在第一组分析中，我们使用验证性因子分析来测试4个量表的结构:电子健康素养、结果感知、数字素养和互联网接入．研究结果证实，这4种量表是相互独立的，而6项量表使用的是诺曼和斯金纳的[27eHEALS被认为是一个独立的量表。

在第二组验证性因素分析中，我们测试了我们研究中另外5个量表的独立性:健康信息来源、健康信息内容、信息搜索动机、搜索策略和评估标准。结果证实，这5个量表被认为是相互独立的(见多媒体附件2）.

电子卫生扫盲群体的社会人口学特征

我们研究了高和低电子健康素养人群的特征，首先关注性别、年龄和社会经济地位等人口统计学变量。电子健康素养高和低的人群在性别上没有差异。高组(n = 633)有321例(50.7%)，低组(n = 653)有325例(49.8%)，差异有统计学意义(χ)²₁= 0.11,P> . 05)。同样，男性(平均3.35，标准差0.89)和女性(平均3.31，标准差0.88)的电子健康素养得分没有显著差异(F₁₂₈₄= 0.94,P= .332)。然而，高电子健康知识的群体明显更年轻(F₁₂₈₄= 35.56,P<组织;平均38.87，标准差14.40，年)高于低电子健康素养组(平均44.12，标准差17.00，年)。以教育程度衡量，高电子卫生素养组的社会经济地位也显著高于低电子卫生素养组(7分制的平均得分为3.99,SD 1.32，高电子卫生素养组和低电子卫生素养组的平均得分为3.82,SD 1.33。F₁₂₇₄= 5.43,P< .02点)。电子健康素养高(n = 630)和低(n = 647)的受访者中，分别有264人(41.9%)和228人(35.2%)拥有学位。

电子健康素养组与电子健康素养组之间的健康状况差异显著。报告自己患有慢性病的受访者的电子健康素养得分明显较低(F₁₂₇₀= 8.87,P< .003;均值3.19,SD 0.95)高于无慢性疾病报告的受访者(均值3.37,SD 0.85)。此外，电子卫生素养较低组(n = 648)中有164名受访者(25.3%)报告患有慢性疾病，而电子卫生素养较高组(n = 624)中只有117名受访者(18.8%)报告患有慢性疾病。电子健康素养的健康状况差异与年龄无关:对电子健康素养的方差分析显示，健康状况与年龄的交互作用不显著(F_{3, 1262}= 0.695,P=无误)。

健康状况也在感知健康方面进行了检查。高电子健康素养组和低电子健康素养组在感知健康方面无显著差异(F₁₂₇₆= 0.432,P= .511)。高电子健康素养组和低电子健康素养组报告了相似的自评健康状况(平均3.25,SD 0。74，平均3.22，标准差0.68，分别为高和低电子卫生素养组)。

互联网接入和数字素养

电子卫生扫盲的出现与数字获取和扫盲有关。电子健康素养高组的受访者比电子健康素养低组的受访者使用电脑和互联网的频率明显更高(F₁₂₈₁= 26.47,P< .001):高电子卫生素养组的互联网可达性平均得分为6.19，而低电子卫生素养组的互联网可达性平均得分为5.86。此外，高电子健康素养组报告的数字素养明显高于低电子健康素养组报告的数字素养:高和低电子健康素养组分别为2.67和2.24 (F₁₂₈₀= 88.34,P<措施)。

信息消费:卫生信息来源、互联网卫生信息内容、卫生网站评价标准

电子卫生素养是消费更多信息的标志，如中所示表1．总体而言，高电子健康素养组的受访者使用的信息源明显更多(F₁₂₈₀= 11.01,P< .001)高于电子健康素养低的组。查看单个项目表1，两组在使用书面材料如书籍、报纸、杂志和互联网方面有显著差异;两个电子健康素养组在使用来自广播和电视、药剂师、护士或医生的实时信息方面没有统计学上的显著差异P> . 05)。

高电子健康素养组的受访者在互联网上搜索的内容明显更多(F₁₂₈₀= 66.28,P< .001)高于低电子健康素养组，无论健康内容类型:社会(例如，社会支持团体)、服务相关(例如，服务的可用性，或医生、医院和药房的信息)和治疗相关内容(例如，健康状况、程序和药物)。

就两个电子健康扫盲小组各自采用的搜索策略而言，互联网的使用是不同的。从…中可以看出表1，电子健康素养高的人使用每种策略的频率明显高于电子健康素养低的人(F₁₂₈₀= 87.08,P<组织)。例如，他们关注链接，在互联网论坛上提问，听从朋友和医生的建议，使用他们的收藏夹列表的频率明显高于那些电子健康知识水平较低的人。

此外，在电子健康素养量表上得分较高的参与者使用互联网时，对他们检索的信息进行了更严格的审查、谨慎和评估(F₁₂₈₀= 52.21,P<组织)。因此，例如，他们寻找联系地址，怀疑来源的可靠性和信息的准确性，并对他们遇到的特定网站上的信息的可访问性和可用性形成了意见。信息评估与电子卫生素养有关(r=点,P< .000)，但正如相关性大小所表明的那样，它并不等同于电子卫生素养。

信息检索结果

最后，电子健康素养高的人群从信息搜索中获得的信息明显多于电子健康素养低的人群(电子健康素养高和低的人群分别为3.40和2.76;F₁₂₈₀= 177.76,P<措施)。查询结果显示在表2．在认知上，高电子健康素养组的人报告说，他们对自己的健康状况、症状和可选治疗有了更好的了解表2）.他们还受益更多的工具:信息搜索提高了他们自我管理医疗保健需求的能力，影响了他们的健康行为，并允许他们更好地使用他们的健康保险。这种好处也延伸到他们与治疗医生的互动中:他们向医生提出的问题比没有数字信息搜索时要多得多，他们向医生展示了他们检索到的信息，并且与电子健康知识水平低的组相比，他们感觉在-à-vis医生面前有了更好的定位。

讨论

主要结果

目前的研究已经证明了电子卫生素养概念的效用。虽然我们只使用了eHEALS最初8个项目中的6个，但该结构的1因素结构也出现在当前的以色列样本中，这表明电子健康素养的概念适用于另一种文化和年龄组。

然而，本研究的主要贡献在于展示了电子健康素养与(1)受访者的背景属性，(2)信息消费模式，(3)信息搜索结果之间的关系。在几乎所有3个标准中，调查结果显示，电子卫生扫盲技能的程度将数字鸿沟扩大到卫生领域。这些发现的含义是，电子健康知识水平低的人在使用互联网上可用的资源方面将受到限制。

我们假设电子健康素养较高的受访者更年轻，受教育程度更高。这一假设得到了证实。我们没有提出关于性别和健康状况的假设(通过感知健康和慢性疾病来衡量)，研究结果表明没有性别或感知健康差异;然而，我们注意到健康状况的显著差异:慢性病患者的电子健康素养较低。支持关于高电子健康素养的人有更多的数字访问和更高的数字素养的假设，以及所有关于信息消费的假设:使用更多的信息源，进行更频繁和更多样化的搜索，采用更多的搜索策略，并评估输出。此外，正如假设的那样，电子卫生素养较高的受访者使用的信息比电子卫生素养较低的受访者获得的信息更多。的确，对于那些能够实现其潜力和可能性的人来说，互联网是维持健康的一种手段，无论是通过提供信息、与同行和专业人员联系，还是通过支持健康和疾病的自我管理[48]。然而，在卫生领域使用因特网与社会不平等有关[49]:健康信息已被确定为增资活动(相对于娱乐活动)[17，49]，目前的研究结果表明，在相关人群中，谁受益最多，以何种方式受益最多。我们发现，数字鸿沟文献的传统变量(年龄、教育程度、健康状况、数字访问和识字率)的差异与电子健康识字率相关，我们记录了使用互联网获得的信息消费和结果方面的新假设差异。正如理论家推测的那样[50，51)，跨越最初的连接鸿沟，在人们如何将互联网融入生活方面留下了许多差异。

与之前工作的比较

关于背景特征与电子卫生素养之间关系的研究结果与记录数字获取和数字素养差异的研究结果相似[13，20.，22，30.]。正如预期的那样，电子健康知识普及组在教育程度和年龄方面存在显著差异，这与那些拥有电脑和互联网并知道如何使用它们的人之间的差异相同[10，12，14以及那些不会使用电脑和互联网的人。性别在我们的电子健康素养组之间没有差异，这一发现与其他人的研究结果一致[16，38]。它证明了性别差异是高度语境化的结论。这也与Mizrachi等人的观点一致[15他发现，在以色列样本中，按性别划分的DIDIX在其他特征(如教育、收入和年龄)中是最低的。最后，正如假设的那样，电子健康素养组在数字获取和数字素养方面存在显著差异。数字获取有助于信息搜索，而数字素养在概念上是电子卫生素养的一个方面[23]。

在我们的研究中，健康状况通过两种方式来衡量:感知健康(即自我评估健康)和报告的慢性疾病。对健康的感知与电子健康素养没有变化，但慢性疾病的存在有变化，因此患有慢性病的受访者的电子健康素养得分较低。两种测量方法之间的不一致是可以接受的，因为两者评估的是不同的概念;例如，一个人可能被诊断患有高血压，但她也可能感觉自己比大多数同龄人更健康。尽管如此，我们在这两种测量方法上的发现重复了以前的一些工作[41，43]并与其他人进行对比[42，44]，目前还没有清晰的图景出现。健康状况和信息搜索之间的关系可能依赖于卫生系统。事实上，Bundorf等人[42]建议在互联网上搜索健康取决于成本和收益，例如支付自付成本和机会成本;这些数据在不同的卫生系统中有所不同，可以解释这些看似矛盾的发现。目前发现慢性病患者的电子卫生素养较低，这要求服务提供者(例如，保健组织)采取授权干预措施。对于服务提供者来说，慢性病人群是一个非常突出的群体，应针对其提高电子卫生素养。需要有计划的学习经验，以提高他们在搜索、定位、评估和使用电子卫生信息方面的素养。作为Hargittai [17]指出，“通过只关注基础设施而不考虑嵌入人们互联网使用的社会过程和制度的技术方法，不太可能实现一个知识渊博的互联网公民。”

在消费信息——搜索方式、搜索各种内容的频率、评估信息、从信息中获益等方面的调查结果都显示了电子健康素养高人群和低人群之间的不平等。所有这些变量关注的都是利用率，而不仅仅是可获得性[52];这些变量体现了有可能导致社会不平等的联网者之间新的差异化使用模式[17，50，51，53，54]。这些发现更符合数字鸿沟的强假设，而不是弱假设。强假设假设“信息社会的出现将创造新的社会分裂，并加强旧的社会分裂”[28]，而弱假设声称，新技术将消除旧的差异，当然是在目睹了新技术传播期间的暂时差距之后。不过，这个弱假设也有可能并非完全错误。我们可能正处于一种变化之中，如性别方面的变化，这种变化在过去与数字获取和识字率有关，但在本研究中被证明与电子健康识字率无关。

需要指出的是，技术是否适合或充分利用，不仅取决于用户及其特点，还取决于技术本身。技术可能有不同的表现和启示[55]，并可为不同用户量身定制[56，57]。有关知情选择的文献表明[58显示信息和选择的方式有很多，它展示了在向外行展示复杂的医疗信息方面的真正努力和成就。在互联网卫生信息的内容、设计和易用性方面也需要做出类似的努力，以便电子卫生素养较低的人可以更充分地利用数字承诺。实现这一承诺可能还需要制定标准和认证，并提醒消费者注意后者。

验证性因素分析结果表明，电子健康素养的概念独立于相关变量。甚至变量健康网站评价标准，这似乎是衡量媒体素养(在这种情况下，网络素养)，被发现与电子健康素养仅适度相关(r=点,P<组织)。这可能表明，正如诺曼和斯金纳[23]指出，媒体素养只是电子健康素养的一个方面。

限制

我们的发现受到5个主要局限性的阻碍。首先，我们只使用了原始eHEALS中的6个项目[27]。即使概念的单因素结构、内部可靠性和项目-量表相关性与原始量表高度相似，但量表在心理测量学上并不等同。其次，研究的横断面设计排除了因果结论，只允许我们得出有关相关关系的结论。例如，我们只能假设教育与电子卫生素养相关，而不会影响电子卫生素养。第三，我们没有衡量实际的电子健康素养，而是衡量在互联网上搜索和使用健康信息的感知功效。这一限制需要修正。需要采取实际的电子卫生知识普及措施。事实上，有一些衡量实际数字素养的方法[39，59]并且有卫生知识普及的措施[60]。这两者可以作为一项措施的灵感，以开发实际的电子卫生素养。第四个限制与第三个有关:我们的调查结果是基于自我报告，而不是实际表现或互联网使用记录。更多衡量实际使用和技能的研究[48都是需要的。最后，第五个限制与座机采样帧有关。这一抽样框架排除了在进行调查时只拥有移动电话的7.1%的人口。这些人可能更年轻，可能更了解数字和电子健康。

综上所述，本研究记录了高、低受访者在电子健康素养背景属性、信息消费和信息搜索结果方面的差异。这些发现大多是根据数字鸿沟文献进行解释的，复制了先前证明的与背景变量(人口统计数据、数字访问和识字率)的关系，并确定和记录了新的鸿沟(信息消费和感知结果)。需要同时教育有风险及有需要的群体[61(如慢性病)，设计技术以一种适合更多消费者的模式出现。解决这些需求可能不会完全消除数字鸿沟，但它可能会通过让更多人加入拥有群体来减轻其后果。