效度证据与其他变量的关系的基础上,电子健康素养调查问卷(eHLQ):贝叶斯方法测试已知的有效性gydF4y2Ba

介绍gydF4y2Ba

背景gydF4y2Ba

电子健康素养,也称为数字健康素质,被描述为一组数字时代的基本功能来提高消费者的健康(gydF4y2Ba1gydF4y2Ba,gydF4y2Ba2gydF4y2Ba]。卫生资源和服务继续数字平台,人们需要“寻求的能力,发现、理解和评价从电子健康信息来源和获得的知识应用于解决或解决健康问题”(gydF4y2Ba1gydF4y2Ba]。数字医疗将价值有限,如果人们没有足够的电子健康素养有效地接触这些资源(gydF4y2Ba1gydF4y2Ba,gydF4y2Ba3gydF4y2Ba,gydF4y2Ba4gydF4y2Ba]。因此,了解电子健康素养的需求是至关重要的,以确保数字卫生资源符合这样的需求和避免潜在的卫生不公平现象的扩大。然而,目前的研究和见解的电子健康素养需求数量是有限的,结果可以不一致gydF4y2Ba5gydF4y2Ba),可能是因为缺乏严格的理论框架来测量电子健康素养(gydF4y2Ba6gydF4y2Ba]。gydF4y2Ba

了解电子健康素养的需求,电子健康素养的一个有用的和有效的测量是必要的。通过引入这个概念早在2006年,诺曼和斯金纳的研究(gydF4y2Ba7gydF4y2Ba)发展电子健康素养量表(eHEALS)评估人与电子健康的能力,与通知的目的临床决策和健康促进计划。在加拿大最初的有效性测试的工具展示了良好的内部一致性系数(α= .88点),与主成分分析表明一个单因素的解决方案(gydF4y2Ba7gydF4y2Ba]。然而,最近的验证工具的维度研究怀疑。工具被发现更适合5双因素模型研究,但是没有共识的物品2分量表中这些研究[gydF4y2Ba8gydF4y2Ba- - - - - -gydF4y2Ba12gydF4y2Ba),而研究报道,eHEALS由三维(gydF4y2Ba13gydF4y2Ba- - - - - -gydF4y2Ba15gydF4y2Ba]。不过,该工具已广泛应用于电子健康素养研究世界各地各设置了解各种人群的电子健康素养,检查协会电子健康素养和社会人口因素,测量电子健康素养对卫生结果的影响,和作为一个结果测量电子健康素养干预措施(gydF4y2Ba6gydF4y2Ba,gydF4y2Ba16gydF4y2Ba]。然而,这些研究的发现特定的联系电子健康的建议通常是含糊不清(gydF4y2Ba6gydF4y2Ba]。相比之下,诺曼的研究(gydF4y2Ba17gydF4y2Ba]承认数字景观演变自2006年以来,尤其是在信息和通信技术的交互性和扩展功能(ict),并呼吁修订的概念及其测量工具。gydF4y2Ba

使用接地validity-driven方法(gydF4y2Ba18gydF4y2Ba],Norgaard等的研究[gydF4y2Ba19gydF4y2Ba)发展电子健康素养框架通过整合的视角和经验范围广泛的电子健康利益相关者,包括患者、卫生保健提供者,卫生信息学专业,公共卫生研究人员和计算机科学家。通过概念图学习研讨会和国际网络调查,7域电子健康素养被确定的gydF4y2Ba19gydF4y2Ba]。电子健康素养的基础框架和后面的广泛使用和测试健康知识问卷(gydF4y2Ba20.gydF4y2Ba),电子健康素养调查问卷(eHLQ)随后开发包括7尺度和代表7电子健康素养结构如下:gydF4y2Ba

1. 使用技术来处理健康信息gydF4y2Ba
2. 对健康的概念和语言的理解gydF4y2Ba
3. 积极参与数字服务的能力gydF4y2Ba
4. 感到安全和控制gydF4y2Ba
5. 动机与数字服务gydF4y2Ba
6. 数字服务工作gydF4y2Ba
7. 数字服务,满足个人的需求gydF4y2Ba21gydF4y2Ba]gydF4y2Ba

每个eHLQ规模有4至6项有关四点顺序量表,从强烈反对强烈同意。结果7量表得分与一系列的1 - 4,计算平均每个规模内的条目分数相等的权重。eHLQ涉及广泛讨论的最初的有效性测试的测试内容在澳大利亚和丹麦环境国际多学科小组问卷开发经验和认知面试与社区成员来自不同文化和教育背景,以确保项目理解为目的。物品被管理475个丹麦参与者随机接洽培训面试官在更广泛的社区位置,包括图书馆、工作场所、医院、疗养院、健康中心、门诊。贝叶斯seven-factor模型验证性因素分析支持,所有项目加载强烈相关因素和cross-loadings差别没有统计学意义。组合规模的可靠性(从0.75到0.87)展示了良好的内部一致性。项目反应理论分析证实,没有无序阈值,和微分项功能(DIF)测试建立测量不变性的证据对年龄和性别gydF4y2Ba21gydF4y2Ba]。eHLQ已被用于调查护理学生的电子健康素养和孕妇移民妇女在丹麦gydF4y2Ba22gydF4y2Ba,gydF4y2Ba23gydF4y2Ba),以及检查协会电子健康素养和数字医疗服务使用在丹麦和澳大利亚gydF4y2Ba24gydF4y2Ba,gydF4y2Ba25gydF4y2Ba]。在澳大利亚使用的工具也被理解社区成员的电子健康素养需求,导致大量的生成具体解决识别需要(gydF4y2Ba26gydF4y2Ba]。gydF4y2Ba

研究的目标gydF4y2Ba

根据gydF4y2Ba教育和心理测试标准gydF4y2Ba(gydF4y2Ba标准gydF4y2Ba)[gydF4y2Ba27gydF4y2Ba],权威参考用于开发,使用,和解释教育和心理测量,有效性测试是一个持续的过程,涉及到考试5的证据支持来源的解释和使用分数,包括测试内容,反应过程中,内部结构,与其他变量的关系,和后果的测试(gydF4y2Ba27gydF4y2Ba]。本研究旨在研究基于证据与其他变量的关系进一步评估eHLQ作为一种工具用来理解电子健康素养的需要。gydF4y2Ba

的证据与其他变量的关系是指分析eHLQ分数和其他变量之间的关系与理论预测的分数或过去的研究有关。分数的证据可能包括协会与特定的人群,与预测结果之间的关系,或者分数之间的关系和其他外部仪器,测量同一构造(gydF4y2Ba27gydF4y2Ba,gydF4y2Ba28gydF4y2Ba]。由于没有共识eHEALS的维度,这是最常用的电子健康素养工具,比较2的成绩将有问题的工具。因此,本研究集中在测试协会eHLQ分数与特定的人群,通常被描述为已知的有效性。开创性的论文在有效性上克伦巴赫和米尔gydF4y2Ba29日gydF4y2Ba)讨论“如果我们理解的构造让我们期待两组不同的测试,期望可以直接测试”(gydF4y2Ba29日gydF4y2Ba]。因此,群体差异可以用来检查如果乐器足够敏感的歧视“这些团体之间”[gydF4y2Ba30.gydF4y2Ba]。然而,纸的克伦巴赫和米尔gydF4y2Ba29日gydF4y2Ba]预计还会进一步指出,只有适度协会因为组的成员将重叠测试,而未能找到的差异也会严重影响测试(gydF4y2Ba29日gydF4y2Ba]。gydF4y2Ba

假设设置gydF4y2Ba

文献综述gydF4y2Ba

评估已知有效性,假设基于理论和实证证据需要设置和测试。这是一个新兴的研究领域,研究的预测电子健康素养是有限的,和不一致的结果是很常见的gydF4y2Ba5gydF4y2Ba]。然而,它被认为不平等社会人口因素会影响技术的使用,获得的技能,和数字素养。传统证据理论和实证,通常表明,年龄、性别、教育、和ICT使用对健康与使用技术的能力,这将反过来可能会链接到一个人的电子健康素养(gydF4y2Ba31日gydF4y2Ba- - - - - -gydF4y2Ba33gydF4y2Ba]。因此,文献综述进行生成假设预期的分数不同,不同的年龄,性别,教育,和ICT使用与7构造或潜在的变量(即特征不能直接观察或测量)代表7 eHLQ的尺度。gydF4y2Ba

年龄gydF4y2Ba

超过65岁的人不太可能比年轻一代有机会熟悉ICT在学校或在工作(gydF4y2Ba34gydF4y2Ba,gydF4y2Ba35gydF4y2Ba]。结合认知、运动和感觉下降与年龄增长有关,老年人面临更多障碍和挑战比年轻的同行使用卫生技术(gydF4y2Ba35gydF4y2Ba- - - - - -gydF4y2Ba42gydF4y2Ba]。技能和能力不足,老年人更可能经历计算机焦虑(gydF4y2Ba34gydF4y2Ba,gydF4y2Ba38gydF4y2Ba),导致更少的兴趣使用卫生技术(gydF4y2Ba34gydF4y2Ba,gydF4y2Ba38gydF4y2Ba,gydF4y2Ba43gydF4y2Ba]。慢的处理信息和降低工作记忆认知能力下降造成的gydF4y2Ba39gydF4y2Ba)也可以导致理解困难的健康概念。在系统回顾的使用电子健康档案在老年人中,两个主要障碍识别隐私和安全,访问,和使用的能力,技术和互联网gydF4y2Ba42gydF4y2Ba]。因此,它是假设如下:gydF4y2Ba

• H1:年龄是所有潜变量得分负相关代表7尺度。gydF4y2Ba

性gydF4y2Ba

技术是传统上认为是一个男性主导的领域,男性比女性通常报告更高水平的数字技能(gydF4y2Ba32gydF4y2Ba,gydF4y2Ba44gydF4y2Ba]。然而,这项研究由Hargittai和沙佛(gydF4y2Ba45gydF4y2Ba)没有发现显著差异在网络信息搜索的技巧的男性和女性在实际性能测试。实证研究结果表明,女性更有可能,更倾向于使用互联网查询健康信息(gydF4y2Ba38gydF4y2Ba,gydF4y2Ba46gydF4y2Ba- - - - - -gydF4y2Ba48gydF4y2Ba),研究继续报告,男性往往落后于女性健康知识(gydF4y2Ba49gydF4y2Ba- - - - - -gydF4y2Ba51gydF4y2Ba]。这等的研究(gydF4y2Ba52gydF4y2Ba]还发现,女性健康记录的高参与率基于web的干预比男性和女性更有可能比男性从事预防与健康有关的活动(gydF4y2Ba49gydF4y2Ba]。在隐私问题方面,没有性别差异的讨论可以被识别的研究。这些因素导致以下两个假设:gydF4y2Ba

• H2a:女性与三个潜变量上得分较高的代表gydF4y2Ba1。利用技术来处理健康信息,2。理解健康的概念和语言,和5。动机与数字服务gydF4y2Ba。gydF4y2Ba
• H2b:性与分数上的差异4潜变量代表了其他4鳞片。gydF4y2Ba

教育gydF4y2Ba

许多研究发现教育能够预测ICT使用和技能(gydF4y2Ba32gydF4y2Ba,gydF4y2Ba34gydF4y2Ba,gydF4y2Ba35gydF4y2Ba,gydF4y2Ba38gydF4y2Ba,gydF4y2Ba53gydF4y2Ba]。读写能力有限的人,因为他们的读写能力有限,可能会有更少的广泛的健康知识gydF4y2Ba49gydF4y2Ba- - - - - -gydF4y2Ba51gydF4y2Ba,gydF4y2Ba54gydF4y2Ba,gydF4y2Ba55gydF4y2Ba]。通常阅读水平高于正常水平的网络健康信息(gydF4y2Ba56gydF4y2Ba,gydF4y2Ba57gydF4y2Ba)也可能不利人们有限的素养。此外,访问数字服务与卫生专业人员通常需要一些读写能力(gydF4y2Ba58gydF4y2Ba]。此外,研究继续寻找,寻找网络健康信息,解读这些信息,做出的决定是建立在人们挑战识字率较低(gydF4y2Ba36gydF4y2Ba,gydF4y2Ba59gydF4y2Ba- - - - - -gydF4y2Ba61年gydF4y2Ba]。进一步威慑利用技术对健康素养是有限的人,他们往往有更大的隐私问题,因为对网络的不信任和有限的理解能力(gydF4y2Ba62年gydF4y2Ba]。因此,它是假设如下:gydF4y2Ba

• H3:教育是正相关的所有潜变量得分代表7尺度。gydF4y2Ba

ICT使用gydF4y2Ba

更高的ICT使用经常发现与更好的数字技能和更高的可能性搜寻健康信息和使用网络健康信息和医疗应用程序(gydF4y2Ba35gydF4y2Ba,gydF4y2Ba43gydF4y2Ba,gydF4y2Ba53gydF4y2Ba,gydF4y2Ba63年gydF4y2Ba]。随着技能和访问,人们更有可能成为积极采纳并使用基于web的卫生资源缓解(gydF4y2Ba34gydF4y2Ba]。此外,频繁使用ICT还将提高技能来处理数字隐私问题(gydF4y2Ba62年gydF4y2Ba]。然而,ICT使用和健康之间的关系的知识已经很难探索文学。这些发现导致了以下假设:gydF4y2Ba

• H4: ICT使用积极相关6潜变量得分代表1,3,4,5,6,7,但不要潜变量代表的分数gydF4y2Ba2。对健康的概念和语言的理解gydF4y2Ba。gydF4y2Ba

语言gydF4y2Ba

考虑到澳大利亚是一个多元文化的国家,国家的主要language-English-was说在家里是否还包括进行分析。然而,由于有限的研究电子健康素养的少数民族gydF4y2Ba64年gydF4y2Ba),因为没有研究可以确定针对移民会说他们采用的主要语言的国家,没有制定这组假设。gydF4y2Ba

方法gydF4y2Ba

数据收集gydF4y2Ba

横断面调查在3健康网站在维多利亚,澳大利亚,2018年。3网站包括一个私人初级保健诊所和非营利性社区卫生组织位于大城市以及私人区域地区初级保健诊所。选择这些网站,因为他们代表的得天独厚的弱势,多元文化、都市和区域地区,以确保样本将捕获电子健康素养水平不同的人。参加健康网站的人被邀请参加如果他们18岁或以上,有或没有任何健康问题,并能够完成eHLQ纸质格式的,基于web的格式,或者面对面的面试。提供面试的选项允许读写能力较低的人不感兴趣的人阅读感觉舒服参与调查,另一个策略,以确保潜在的降低电子健康素养的人包括在内。排除标准包括人们正在经历重要的认知或心理健康问题或临床不适所认为的他们的治疗保健专业人士和那些不够流利的英语来完成调查,因为没有家庭成员或看护在场协助他们。这项研究是迪肯大学人类研究伦理委员会批准(批准号:146年HEAG-H _2017)。潜在的参与者提供的信息研究,包括参与是自愿的。返回被视为默示同意完成问卷调查。gydF4y2Ba

人口进行分析收集的数据包括年龄、性别(男性或女性),教育(小于中学,中学完成证书或文凭,或完成大学或更高),语言(在家说英语或不是),和ICT使用。教育的分类分为4类有些武断。其他澳大利亚电子健康素养和互联网使用的研究包括3教育类别的中学,证书或文凭,大学或更高版本(gydF4y2Ba5gydF4y2Ba,gydF4y2Ba65年gydF4y2Ba]。考虑到17.9%(94/525)的参与者没有完成中学在这个研究(gydF4y2Ba表1gydF4y2Ba),它决定4类别的教育将是合适的。现有研究的基础上,ICT使用一般指访问,和使用,数字设备和互联网gydF4y2Ba43gydF4y2Ba,gydF4y2Ba47gydF4y2Ba,gydF4y2Ba60gydF4y2Ba]。因此,ICT使用由3个调查问题评估,包括使用的数码设备数量(范围0 - 4),使用信息通信技术平台的数量(范围清廉),和参与者是否有寻找基于web的信息在过去3个月(是或否)。使用的数字设备数量是由问题“你使用下列设备吗?答案包括计算机或笔记本电脑,手机或智能手机,平板电脑,和其他。使用ICT平台数量计算参与者的回答“你与他人使用下列连接?“答案包括电子邮件、文本消息,Facebook, Twitter, Instagram, Snapchat, WhatsApp或微信,博客、论坛或聊天室,和其他。gydF4y2Ba

统计分析gydF4y2Ba

评估已知有效性,假设检验的一个重要前提是测量等价性的证据或不变性在组(gydF4y2Ba66年gydF4y2Ba),指的是测量的稳定性在不同群体(gydF4y2Ba67年gydF4y2Ba,gydF4y2Ba68年gydF4y2Ba]。测量非等价可以发生在某些群体的特点或分组变量无关的构造测量影响人们如何应对测量(gydF4y2Ba68年gydF4y2Ba]。因此,群体差异不能令人满意地建立了如果不检查测量不变性在集团(gydF4y2Ba69年gydF4y2Ba,gydF4y2Ba70年gydF4y2Ba]。gydF4y2Ba

评估测量不变性、DIF是一种常见的统计观察信号是否运作一个项目在不同分组变量(gydF4y2Ba71年gydF4y2Ba,gydF4y2Ba72年gydF4y2Ba]。DIF的存在表明,有一个从一个分组变量直接影响一个项目净分组变量之间的关系和潜在的构造。因此,项目不是衡量它的目的是衡量什么,和估计组的差异是有偏见的gydF4y2Ba68年gydF4y2Ba,gydF4y2Ba73年gydF4y2Ba]。有两种类型的DIF:统一的DIF和非均匀DIF。制服DIF发生在一组分数一致和系统性地高于或低于其他组在一个特定的项目在所有水平的能力,而非均匀DIF检测时的概率支持一个项目在不同组中不同能力水平(gydF4y2Ba68年gydF4y2Ba,gydF4y2Ba72年gydF4y2Ba,gydF4y2Ba74年gydF4y2Ba]。根据gydF4y2Ba标准gydF4y2Ba,主要关心的是统一的DIF,因为它会导致“系统不同的反应到特定项目”gydF4y2Ba27gydF4y2Ba]。gydF4y2Ba

以确保DIF被认为是,使用多个指标的多个原因分析(模拟)模型方法是为本研究选择。模拟模型是一种结构方程建模(SEM),其中包含一个gydF4y2Ba度量模型gydF4y2Ba描述的关系和潜变量及其观测变量gydF4y2Ba结构模型gydF4y2Ba描述潜变量之间的链接(gydF4y2Ba75年gydF4y2Ba]。因此,把已知的SEM方法分析潜变量将占测量误差在结果变量(gydF4y2Ba76年gydF4y2Ba]。这种方法还“允许同时协变量因子得分的因素分析和回归项目功能跨组的比较,而占好几个人特征的差异”(gydF4y2Ba77年gydF4y2Ba]。在模拟模型中,反是(由组成员)可以分类或连续,连续变量(例如,年龄)不需要分成任意组和其他统计方法(gydF4y2Ba77年gydF4y2Ba,gydF4y2Ba78年gydF4y2Ba]。模拟模型方法也被证明有优越的性能甚至小或不均匀组样本大小与使用其他方法(gydF4y2Ba70年gydF4y2Ba,gydF4y2Ba74年gydF4y2Ba,gydF4y2Ba79年gydF4y2Ba]。作为本研究涉及的DIF和已知的分析分类和连续变量,和小和不均匀样本大小对某些群体的存在,被认为是合适的模拟模型。虽然模拟模型方法仅测试统一DIF,而非非均匀DIF,方法依然被认为是适当的,因为制服DIF比非均匀DIF[可能发生gydF4y2Ba80年gydF4y2Ba),和收集的主要目的DIF证据,根据gydF4y2Ba标准gydF4y2Ba,是识别系统的不同反应gydF4y2Ba27gydF4y2Ba]。gydF4y2Ba

此外,贝叶斯方法用于模拟模型在这个研究。它一直认为,贝叶斯方法是更好的反映出实质性的理论,因为它是限制较少;此外,它不依赖于数据的正态分布和执行与一个小样本大小(gydF4y2Ba80年gydF4y2Ba,gydF4y2Ba81年gydF4y2Ba]。一些研究指出几个优点使用贝叶斯SEM建模的传统gydF4y2Ba频率论的gydF4y2Ba方法(如最大似然(gydF4y2Ba80年gydF4y2Ba,gydF4y2Ba81年gydF4y2Ba]。特别相关性的研究,这些研究强调了好处,贝叶斯SEM提供调查项残差之间的协方差和潜在cross-loadings可以猜测gydF4y2Ba约gydF4y2Ba零而不是完全零在传统扫描电镜(gydF4y2Ba82年gydF4y2Ba]。这里使用相同的策略,包括统一的DIF模型中。gydF4y2Ba

贝叶斯模型模拟,应用信息先验方差小的DIF路径。先验方差为0.01或0.02意味着95%的变异范围内的谎言±0.20或±0.28 [gydF4y2Ba81年gydF4y2Ba,gydF4y2Ba82年gydF4y2Ba]。此外,信息先验给出使用inverse-Wishart残协方差分布,“一个标准的协方差矩阵先验分布的贝叶斯分析”(gydF4y2Ba81年gydF4y2Ba]。涉及到测试的应用程序和一个足够大的一个模型gydF4y2BadfgydF4y2Bainverse-Wishart分布,逐步降低gydF4y2BadfgydF4y2Ba参数找到一个更灵活的模型(gydF4y2Ba82年gydF4y2Ba]。因此,一些具有不同信息先验的模型通常是测试和识别感兴趣的模型相比,该模型是不拒绝了数据,可以被认为是最接近的频率论的模型符合很好(gydF4y2Ba82年gydF4y2Ba]。模型与贝叶斯方法是评估通过后预测P值(gydF4y2Ba购买力平价gydF4y2Ba)和95% CI为观察和复制卡方值之间的差异。gydF4y2Ba购买力平价gydF4y2Ba<。05和positive 95% CI indicate a misfit, and购买力平价gydF4y2Ba大约50和零值下降接近95%可信区间的中间显示一个优秀的适合[gydF4y2Ba81年gydF4y2Ba]。模型可以进一步比较通过检查模型收敛性和差异信息则以更快收敛(减少潜在规模始终小于1.05)和较低的差异信息标准价值被选为感兴趣的模型(gydF4y2Ba82年gydF4y2Ba]。gydF4y2Ba

模拟模型,年龄,性别,教育,信息通信技术的使用,和语言作为协变量。然而,鉴于研究表明,年龄、性别和教育也与ICT使用和技能(gydF4y2Ba31日gydF4y2Ba,gydF4y2Ba32gydF4y2Ba,gydF4y2Ba43gydF4y2Ba),ICT使用也是测试作为调停者。因此,调解模拟模型(一个模型,允许识别DIF和组差异以及提供洞察底层机制(gydF4y2Ba83年gydF4y2Ba)是建立在这项研究中。gydF4y2Ba

鉴于有3指标(数字设备,信息通信技术平台和搜索网络信息)对ICT的使用,最后设置的模拟模型来识别单一ICT使用的最佳指标。一直认为,单一的最佳指标是充分发展理论上的模型(gydF4y2Ba84年gydF4y2Ba]。这是由运行一个贝叶斯ICT使用单因素模型验证性因子分析,没有之前,利用3指标寻找最高的因子载荷代表ICT使用。结果表明一个优秀的模型符合(gydF4y2Ba购买力平价gydF4y2Ba=。49, 95% CI for the difference between observed and replicated chi-square values –11.81 to 12.25), and number of devices was identified with the highest loading (0.81) on ICT use (多媒体附录1gydF4y2Ba)。因此,gydF4y2Ba设备gydF4y2Ba被用来代表ICT使用在最后的模拟模型。的使用规模1介导DIF模型eHLQ作为一个例子所示gydF4y2Ba图1gydF4y2Ba。由于没有共识样本量对于贝叶斯模型模拟测试,这可能范围从300到500多gydF4y2Ba79年gydF4y2Ba,gydF4y2Ba85年gydF4y2Ba),500估计的最小样本量。gydF4y2Ba

使用SPSS进行描述性统计,版本25.0 (IBM公司)gydF4y2Ba86年gydF4y2Ba),和贝叶斯模型模拟测试运行使用Mplus软件8.3版本(gydF4y2Ba87年gydF4y2Ba]。模型选择,一系列的单因素模型的每个7因素是安装数据通过不同的信息先验gydF4y2BadfgydF4y2Bainverse-Wishart分布= 200,150,100,80,60。结果将通知使用之前的模拟模型测试的残余协方差。接下来,3模型使用DIF路径的选择之前结合信息先验(方差= 0.01,0.015,和0.02)上的数据。模型评估与50000年进行迭代。gydF4y2Ba

确定组的差异,直接影响、间接效应和总效应产生的Mplus输出检查。一个重要的总效应表示组差异显著。存在显著的直接效应表明,群体差异独立于任何中介效果,而一个重要的间接效应表明,组差异介导通过ICT使用。Mplus产生单侧的结果,表明P < P值。025年是重要的。然而,由于假设的年龄、性别、教育、和ICT使用定向,P <。05年被认为是显著的,而P <。025remained significant for either a positive or negative effect for language because no hypothesis was set a priori. A further calculation of mediation proportion was undertaken to gain deeper understanding of the extent of mediation. Mediation proportion refers to the portion of effect on an outcome explained by an intermediate variable. It is calculated by dividing the indirect effect by the total effect [88年gydF4y2Ba]。应该注意的是,计算中介比例被认为是不合适的,如果总效果太小,也就是说,小于±0.2,或不一致的中介,也就是说,估计相反的迹象。如果中介比例至少是0.8,完成中介可以声称。警告说,统计学意义是敏感样本大小和不应影响评估只是基于统计学意义,重要组差异进一步调查研究的规模效应估计来确定影响重大或可以被忽略,因为影响的大小没有明显的轴承组差异的解释(gydF4y2Ba89年gydF4y2Ba]。gydF4y2Ba

‎gydF4y2Ba 把这个图gydF4y2Ba

DIF的评价,一个重要的直接影响的协变量的观测变量,也就是说,问卷条目,表示DIF的存在(gydF4y2Ba90年gydF4y2Ba- - - - - -gydF4y2Ba92年gydF4y2Ba),单侧P <。025was considered significant because no directional hypotheses were set up for DIF. If DIF was identified, the prior-posterior predictive P value (PPPPgydF4y2Ba感兴趣的)从模型需要检查。的gydF4y2BaPPPPgydF4y2Ba评估值使用“指定小方差参数的先验假设利益”(gydF4y2Ba93年gydF4y2Ba]。DIF的信息先验是否可以被认为是近似为零。如果gydF4y2BaPPPPgydF4y2Ba>。05,th一个t我s, it can be considered nonsignificant, the estimates of the DIF are considered approximate zero and are thus ignorable. Hence, if the model of interest has a variance prior of 0.01 and thePPPPgydF4y2Ba是无意义的,那么估计±0.20的范围内可以被认为是可忽略的gydF4y2Ba94年gydF4y2Ba]。gydF4y2Ba

结果gydF4y2Ba

参与者的特征gydF4y2Ba

525包括反应进行分析。参与者的平均年龄是56.8(标准差18.6)年。的525参与者中,320(61%)是女性,175(33.3%)有一个大学教育,162(30.9%)在家讲英语以外的其他语言。数字设备的所有权一般高,但525年的参与者中,66(12.6%)没有一部手机和153年(28.8%)没有电脑或笔记本电脑,而133(25.6%)没有寻找任何基于web的信息(见gydF4y2Ba表1gydF4y2Ba参与者特征)。分数所示gydF4y2Ba表2gydF4y2Ba。结果表明,参与者似乎对他们的健康状况(规模相对良好的知识gydF4y2Ba2。对健康的概念和语言的理解gydF4y2Ba:平均2.95,标准差0.41),但他们可能不总是使用卫生技术(gydF4y2Ba1。使用技术来处理健康信息gydF4y2Ba:平均2.59,0.61 SD,gydF4y2Ba5。动机与数字服务gydF4y2Ba:平均2.63,标准差0.55)。尽管参与者一般的隐私和安全舒适的数字医疗系统(gydF4y2Ba4所示。感到安全和控制gydF4y2Ba:平均2.83,标准差0.49),他们不太可能考虑的系统满足个人需求(gydF4y2Ba7所示。数字服务,满足个人的需求gydF4y2Ba:平均2.43,标准差0.57)。gydF4y2Ba

DIF的影响gydF4y2Ba

建模测试确认gydF4y2BadfgydF4y2Ba= 60的前残余协方差,后续测试3模型的所有实现良好的符合相似的结果(gydF4y2Ba多媒体附录2gydF4y2Ba)。因此,最为严格的模型先验方差0.01 DIF的道路被选为感兴趣的模式。的gydF4y2Ba购买力平价gydF4y2Ba年代的7尺度范围从32到38gydF4y2BaPPPPgydF4y2Ba年代是无意义的。gydF4y2Ba

选择感兴趣的模型,发现重大的直接影响为2项指示可能DIF。然而,估计都在±0.2;因此,他们被认为是可忽略的gydF4y2Ba94年gydF4y2Ba)(gydF4y2Ba多媒体附录3gydF4y2Ba)。因此,结果显示没有或可忽略的DIF ICT影响使用,年龄,性别,教育,语言成绩的35 eHLQ物品。gydF4y2Ba

已知的有效性gydF4y2Ba

混合的证据gydF4y2Ba

证据的关系eHLQ分数基于已知有效性和其他变量的假设(见支持gydF4y2Ba表3gydF4y2Ba估计效果)。gydF4y2Ba

年龄gydF4y2Ba

H1:年龄是所有潜变量得分负相关代表7尺度。gydF4y2Ba

这个假设是支持预期的潜在变量的只有4。年纪大是最密切相关的较低的分数gydF4y2Ba3所示。积极参与数字服务的能力gydF4y2Ba-0.37,总效应(后SD 0.07;P <措施)。年龄也相当强烈的负面影响gydF4y2Ba1。使用技术来处理健康信息gydF4y2Ba-0.32,总效应(后SD 0.08;P <措施)。总效应为-0.21(0.09后SD)被发现gydF4y2Ba5。动机与数字服务gydF4y2Ba和gydF4y2Ba7所示。数字服务,满足个人的需求gydF4y2BaP =。01,P =。02,respectively. For all 4 latent variables with significant total effect, approximately two-thirds was a direct effect.

性gydF4y2Ba

H2a:女性与三个潜变量上得分较高的代表gydF4y2Ba1。使用技术来处理健康信息gydF4y2Ba,gydF4y2Ba2。对健康的概念和语言的理解gydF4y2Ba,gydF4y2Ba5。动机与数字服务gydF4y2Ba。gydF4y2Ba

H2b:性与分数上的差异4潜变量代表了其他4鳞片。gydF4y2Ba

H2a是不支持,而H2b的支持。性并不是分数的差异有关的任何潜在的变量。虽然重要的总规模效应被发现gydF4y2Ba5。动机与数字服务gydF4y2Ba,估计为-0.12,小于±0.2和被认为是gydF4y2Ba太小了gydF4y2Ba效应(gydF4y2Ba89年gydF4y2Ba),因此可忽略的。也指出,ICT使用的中介效应是0或接近0 7潜变量。gydF4y2Ba

教育gydF4y2Ba

H3:教育是正相关的所有潜变量得分代表7尺度。gydF4y2Ba

这一假设为2的7只支持预期潜在变量。高等教育与潜变量代表更高的分数gydF4y2Ba1。使用技术来处理健康信息gydF4y2Ba(总效应0.22,后SD 0.09;P = . 01), 59%的效果由ICT的使用,和gydF4y2Ba3所示。积极参与数字服务的能力gydF4y2Ba(总效应0.25,后SD 0.08;P <措施),以56%的效果由ICT使用。gydF4y2Ba

ICT使用gydF4y2Ba

H4: ICT使用积极相关6潜变量得分代表1,3,4,5,6,7,但不要潜变量代表的分数gydF4y2Ba2。对健康的概念和语言的理解gydF4y2Ba。gydF4y2Ba

这个假设是除了潜变量代表的支持gydF4y2Ba4所示。感到安全和控制gydF4y2Ba。更高的ICT使用最强的与更高的分数gydF4y2Ba3所示。积极参与数字服务的能力gydF4y2Ba,直接影响0.42(后SD 0.06;P <措施),紧随其后的是gydF4y2Ba1。使用技术来处理健康信息gydF4y2Ba,直接影响0.38(后SD 0.07;P <措施)。包括其他潜变量与重大的积极影响gydF4y2Ba5。动机与数字服务gydF4y2Ba(直接影响0.31,后SD 0.08;P <措施),gydF4y2Ba6。数字服务工作gydF4y2Ba(直接影响0.20,后SD 0.09;P = .02点)gydF4y2Ba7所示。数字服务,满足个人的需求gydF4y2Ba(直接影响0.30,后SD 0.08;P <措施)。gydF4y2Ba

语言gydF4y2Ba

没有组织参与者之间的差异被发现说英语,那些说英语以外的其他语言。虽然重要的潜变量代表的总效应被发现gydF4y2Ba2。对健康的概念和语言的理解gydF4y2Ba,效果大小是可忽略的,因为-0.15的估计被认为太小了(gydF4y2Ba89年gydF4y2Ba]。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

本研究利用贝叶斯介导模拟模型方法收集证据基于关系其他变量来评估eHLQ作为一种工具来理解电子健康素养的需要,利用已知的数据有效性在澳大利亚社区卫生环境。假设预期得分差异的年龄,性别,教育,信息通信技术的使用,和在家说英语或不支持的一些电子健康素养所代表的潜在变量相关eHLQ尺度但不是全部。结果还证实测量不变性在5人口群体。这很重要,因为测量的不变性的存在表明,当eHLQ用于比较不同人口成分在澳大利亚健康人群设置,得到无偏的估计意味着集团差异,提供可靠的数据,研究人员,临床医师和政策制定者。gydF4y2Ba

虽然gydF4y2Ba标准gydF4y2Ba,权威validity-testing参考,表明预期的分数差异组可以证据有效性的一个重要来源gydF4y2Ba27gydF4y2Ba),指出在假设设置在这项研究中,实证研究结果预测电子健康素养仍然有限,可以不一致。这可能是由于缺乏共识被测量和使用范围有限的工具测量的概念。因此,本研究已知有效性的假设进行解释时需要特别谨慎。相比之下,本研究首次探索组差异在电子健康素养评价7作为一个概念域,而不是简单地聚焦,在其他的研究中,在寻求或评估健康信息或使用电子健康服务。gydF4y2Ba

本研究是基于现代统计方法,贝叶斯介导的模拟模型,而不是经常使用的方法在以前的和现在的电子健康素养研究专门和心理研究。这也可以的原因之一来自本研究的发现有些不同于当前的研究。常见的做法在测试已知有效性使用统计方法如独立样本单侧或双尾gydF4y2BatgydF4y2Ba测试相关、方差分析或非参数测试建立组差异。然而,这些方法并不考虑DIF作为一个潜在的混杂因素。没有建立测量不变性穿越人口群体,任何明显的群体差异检测不能确定。除了能够检测组差异以及DIF在使用模拟模型中,这种SEM方法占测量误差,并使用贝叶斯方法还允许一个评价,更好地反映现实世界,而包含一个中介将有价值的信息添加到底层检测机制的差异。不像gydF4y2BatgydF4y2Ba测试或方差分析,年龄不是分成任意组而是视为连续变量。因此,这项研究的结果,事实上,提供新的和公正的见解电子健康素养的预测因子。gydF4y2Ba

这项研究的结果表明,年纪大4尺度分数较低,gydF4y2Ba3所示。积极参与数字服务的能力gydF4y2Ba拥有最强大的效果,紧随其后gydF4y2Ba1。使用技术来处理健康信息gydF4y2Ba,gydF4y2Ba5。动机与数字服务gydF4y2Ba,gydF4y2Ba7所示。数字服务,满足个人的需求gydF4y2Ba。这个结果与现有的研究通常是一致的。然而,介导模拟模型的一个有趣的结果是,大多数年龄的影响并不是由ICT的使用,表明ICT使用可能有一个有限的作用在这四个领域的电子健康素养。一个可能的因素是认知、运动和感觉下降与年龄增长有关,如经常建议在文献[gydF4y2Ba35gydF4y2Ba- - - - - -gydF4y2Ba42gydF4y2Ba]。这些发现也可能意味着仅仅提供ICT培训可能没有足够的关于加强电子健康素养在老年人中,和其他干预措施是必要的。专注于计算机技能和ICT培训当前电子健康素养干预的主要机制(gydF4y2Ba95年gydF4y2Ba]不仅可能不是有效的老年人,但其他领域的电子健康素养也有可能被忽视。gydF4y2Ba

感兴趣的另一个结果是教育和电子健康素养之间的关系领域,因为教育是只积极与尺度有关gydF4y2Ba1。使用技术来处理健康信息gydF4y2Ba和gydF4y2Ba3所示。积极参与数字服务的能力gydF4y2Ba。与年龄的情况下,大部分的影响是由ICT使用,证实了ICT的角色使用增强电子健康文化的某些方面。因此,提供ICT教育和培训可能会增加效益较低的人教育与数字服务的能力,提高对健康使用的技术。这样的发现表明,其他需要努力解决电子健康素养需要涉及隐私,动机,或获得合适的数字服务。相比之下,为什么教育并不相关gydF4y2Ba2。对健康的概念和语言的理解gydF4y2Ba在数字环境需要进一步调查。gydF4y2Ba

性没有关系任何eHLQ量表分数表明性电子健康素养的可能不是一个很好的预测指标。这可能是由于两性教育近年来缩小差距,技术已经成为现代生活不可或缺的一部分对大多数人来说。尽管ICT使用的假设主要是支持,结果表明,ICT使用不与电子健康素养相关域的安全控制的感觉。这再次重申,ICT培训的技能不足以解决所有电子健康素养的需要。这些发现也呼吁评估使用无偏多维电子健康素养调查问卷等eHLQ所以电子健康素养需要可以清楚地识别和解决。gydF4y2Ba

虽然本研究的目的是为了收集证据与其他变量的关系的基础上,还建立了使用的统计方法鲁棒性的内部结构eHLQ的测量不变性在5人口群体。DIF的存在表明问卷项不是测量的目的是什么,因此所产生的分数可能有偏见(gydF4y2Ba68年gydF4y2Ba]。鉴于健康差异的问题在不同社会人口群体,DIF patient-reported结果措施的存在可能会导致不准确的解释分数和不恰当的医疗决策(gydF4y2Ba96年gydF4y2Ba]。因此,提供了明确的证据5测量不变性的人口群体是一个重要的发现。丹麦的有效性测试还发现,没有证据表明年龄和性别的影响在丹麦设置条目分数(gydF4y2Ba21gydF4y2Ba]。积累证据DIF, eHLQ类似澳大利亚和丹麦的用户上下文可以确信从eHLQ获得平均分数可以被正确地解决不同群体的不同需求。因此,有效性证据收集在这个研究支持eHLQ作为一种工具来理解电子健康素养的需求和帮助通知击中的卫生干预措施的发展(gydF4y2Ba26gydF4y2Ba]。gydF4y2Ba

限制gydF4y2Ba

本研究的一个限制是,假设是基于有限的电子健康素养的实证研究结果预测,这样的结果可能需要不同的解释。虽然模拟模型方法评估两组差异和DIF的优势同时,只有统一DIF检测,非均匀DIF没有调查。然而,统一DIF是效度更重要的威胁,因为它会导致系统的得分差异的群体特征(gydF4y2Ba27gydF4y2Ba]。研究证据与其他变量的关系,本研究只集中在已知收集的数据的有效性。虽然与其他仪器无法检测,因为缺乏一个仪器来测量相同的构造,考试分数是否可以推广到其他设置或上下文是另一个潜在的证据来源与其他变量的关系(gydF4y2Ba27gydF4y2Ba在将来的研究中,认股权证调查。因为资源有限,因为健康网站总是繁忙的数据收集期间,很难衡量穿过门的人数,和没有反应率记录。然而,参与者的特征通常表现出的优秀代表样本。与丹麦有效性测试,其中包括普通人群在各社区设置,本研究只集中在社区卫生环境,但数据收集来自不同地理位置,包括城市和区域的地区。进一步测试eHLQ的其他设置和文化需要eHLQ有效性证据的积累。gydF4y2Ba

结论gydF4y2Ba

卫生资源和服务越来越通过数字技术,电子健康素养已成为一个至关重要的功能在数字时代。这项研究提供了健壮的有效性的证据eHLQ澳大利亚社区卫生环境。证据表明,该工具可以使用卫生保健提供者和决策者获得公正的和有价值的洞察人们的多样化的电子健康素养的需要,让定制的卫生干预措施可以有效地开发类似的设置。eHLQ还可以用来使任何电子健康系统的需求与用户的电子健康素养需求优化数字医疗用户的访问和使用,促进卫生公平。gydF4y2Ba