发表在24卷,第12号(2022): 12月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/40341,首次出版
培养新加坡低社会经济地位老年人的数字素养(Project Wire Up):非随机对照试验

培养新加坡低社会经济地位老年人的数字素养(Project Wire Up):非随机对照试验

培养新加坡低社会经济地位老年人的数字素养(Project Wire Up):非随机对照试验

原始论文

1TriGen -三代家庭护理,新加坡,新加坡

2新加坡总医院人口健康和综合护理办公室,新加坡,新加坡

3.新加坡总医院内科,新加坡,新加坡

4新加坡国立大学卫生系统内科,新加坡,新加坡

5新加坡国立大学卫生系统家庭医学系,新加坡

6新加坡南洋理工大学通信与信息学院,新加坡

7新加坡国家医疗保健集团精神科,新加坡

8杜克大学医学院医学教育办公室,新加坡,新加坡

9新加坡陈笃生医院呼吸及重症医学系,新加坡

10医务社会服务部,黄廷芳总医院,新加坡,新加坡

11研究与转化创新办公室,SingHealth社区医院,新加坡,新加坡

12卫生服务和系统研究,杜克-新加坡国立大学医学院,新加坡,新加坡

13新加坡区域卫生系统人口健康研究与实施中心,新加坡,新加坡

14新加坡国家癌症中心内科肿瘤科,新加坡,新加坡

15SingHealth Duke-NUS家庭医学系,新加坡,新加坡

16新加坡新健康社区医院,新加坡,新加坡

这些作者的贡献相同

通讯作者:

刘连冷,MBBS, MMed, MCI

人口健康和综合保健办事处

新加坡总医院

医院大道10号,第7层

新加坡,168582年

新加坡

电话:65 69703018

电子邮件:low.lian.leng@singhealth.com.sg


背景:在一个快速数字化的世界中,老年人无法利用数字技术与较弱的社会联系和较差的健康状况有关。尽管新加坡广泛采用数字技术,但老年人,特别是社会经济地位较低的老年人,在采用信息和通信技术方面仍然面临困难,并且通常被数字技术排除在外。

摘要目的:我们的目的是研究志愿者主导的、一对一的和基于家庭的数字扫盲项目对数字扫盲和健康相关结果的影响,如自我报告的孤独感、社会联系、生活质量和低经济地位老年人的幸福感。

方法:2020年7月至2021年11月在新加坡进行了一项非随机对照研究,涉及138名年龄≥55岁且社会经济地位较低的数字排除社区老年人。等待参加该项目的老年人作为对照组。参与干预的老年人配备了智能手机和手机数据,每两周到每月接受志愿者的数字素养培训,学习数字技能,并以数字方式连接到他们现有的社交网络。主要结果是自我报告的数字素养的提高。次要结果包括加州大学洛杉矶分校3项孤独量表、Lubben社交网络量表-6、EQ- 5d - 3l和EQ视觉模拟量表得分和个人幸福感得分的改善。

结果:与对照组相比,干预组的数字读写能力得分有显著提高(平均差2.28,95% CI 1.37-3.20;P<措施)。通过多元线性回归分析,在调整了基线分数、年龄、性别、教育程度、生活安排、住房类型、基线社会联系和孤独状态的差异后,数字素养分数的差异仍然与群体成员关系独立相关。加州大学洛杉矶分校3项孤独感量表、Lubben社会网络量表-6、个人幸福感得分、EQ-5D效用和视觉模拟量表得分差异无统计学意义。

结论:这项研究表明,志愿者主导的、一对一的、以家庭为基础的数字扫盲计划有助于提高低社会经济地位老年人的数字扫盲水平,从而增加了对数字包容的研究。未来的研究应着眼于开发更适合老年人的数字空间和技术设计,以鼓励老年人继续采用数字技术,并最终影响与健康相关的结果。

[J] .中国医学信息学报,2010;24(12):394 - 391

doi: 10.2196/40341

关键字



背景

在当今快速数字化的世界中,超过三分之一的人口仍然没有数字连接[1],其中老年人上网的次数最少,尽管数字技术带来了生物、心理和社会方面的好处[23.]。对减少老年人社会孤立的信息和通信技术(ICT)干预措施的审查表明,它对社会支持、社会联系和社会孤立产生了积极影响[4]。此外,信息和通信技术的使用还对健康和福祉产生积极影响,有助于老年人减少抑郁症状,提高自我评价的健康和主观幸福感[56],通过减少孤独感来调节这些关系[7]。相反,缺乏数字素养会影响老年人获得卫生资源的能力,并与社会孤立和较差的健康结果有关[8-11]。与此同时,一些研究的结果表明,信息通信技术的使用可能并不总是与改善情绪、社会关系质量和幸福感有关[1213]。

尽管如此,老年人的数字排斥通常与较低的社会经济地位(SES)相关[14]。COVID-19大流行进一步加剧了这种情况,保持身体距离措施和大流行控制政策加剧了社会隔离和孤独感[15-17并与抑郁、社交焦虑、认知障碍和早期死亡等不良后果有关[1819]。鉴于信息通信技术使用的积极影响和数字排斥对老年人的孤独感、社会联系、健康和福祉的负面影响,有必要更好地了解如何有效提高新加坡老年人的数字素养,并调查其对健康相关结果的影响,特别是在2019冠状病毒病大流行期间。

新加坡的数码应用

尽管新加坡广泛采用数码科技,长者在采用资讯及通讯科技方面仍有困难[20.由于社会心理或社会经济原因。为了提高新加坡老年人的数字素养,新加坡信息通信媒体发展局推出了“老年人数字化计划”[21]。该计划旨在通过向经济地位较低的老年人提供智能手机和移动数据订阅补贴,解决数字接入问题。然而,该计划对目标群体的影响低于预期,因为该计划是为满足大流行期间的紧急需求而迅速制定的,但仍有相当数量的老年人未得到覆盖[22]。长者的学习心得建议在家庭环境中采取个人化的方法,以最好地鼓励弱势长者参与学习[23]。

客观的

认识到需要采取更谨慎的方法来接触被数字排斥的社会经济地位较低的老年人,志愿组织TriGen和新加坡总医院与新加坡信息通信媒体发展管理局和老年人活动中心合作,开展了一项由志愿者主导的、一对一的、以家庭为基础的数字扫盲计划——Project Wire Up。该试点研究旨在通过研究以家庭为基础的数字素养建设项目对以下方面的影响,为有关老年人数字素养和学习的国际文献做出贡献:(1)数字素养和(2)自我报告的孤独感、社会联系,以及其他与健康相关的结果,如老年人的生活质量和主观幸福感。我们假设该计划将导致(1)提高数字素养;(2)减少老年人的孤独感,改善社会联系、生活质量和幸福感。


干预:项目连线

“连线计划”是一项由志愿者主导、一对一、目标导向、以家庭为基础的数字扫盲计划。该项目采用了三管齐下的方法:老年人(1)配备智能手机和互联网连接;(2)由志愿者进行为期3个月的6次培训(每次1 - 2小时),在老年人家中进行;(3)以数字方式连接到现有的社交网络。通过与国家机构合作,在该计划下,没有数字设备的低经济地位老年人可以一次性购买15美元的智能手机和每月4美元的1年移动数据套餐。数字技能培训是由训练有素的志愿者在家访期间进行的,他们指导老年人完成难度越来越大的分层课程,这些课程可以根据老年人的需求进行定制。在初级阶段,老年人先学习电话的基本用法,如打电话和发短信,然后再学习其他社交电信平台(例如,WhatsApp)或娱乐平台(例如YouTube)。更精通数字技术的老年人学习了智能手机的高级功能,如访问政府网站、购物或在网上支付账单。24]。在项目结束时,老年人将通过移动通信应用程序等平台连接到现有的正式和非正式网络。补充资料已提供于多媒体附录1

参与者及招聘

在2020年7月至2021年11月期间进行了一项非随机、等候名单对照的设计,以评估志愿者主导的、一对一的、基于家庭的数字扫盲计划对居住在新加坡的社会经济地位较低的老年人的影响。本研究的纳入标准如下:新加坡东南地区居民;年龄>55岁;属于较低经济地位人士(以居住在公共租住房屋或接受公共援助计划的人士表示)[25],通常要求家庭人均月收入在477美元或以下);并同意参加至少2次以上的数字扫盲计划。这些老年人通常被排除在数字化之外。我们的研究通过与当地老年人护理服务提供商和社区合作伙伴合作,有意接触到这些被数字排斥的个人。招募参与者的方式包括打电话和挨家挨户的外展。

在同意加入项目后,参与者被分配到干预组或控制组,使用基于项目转介时间的方便抽样。对于干预组参与者,在干预前收集基线数据,在干预结束后收集随访数据,通常持续3个月。由于研究采用了等待名单设计,干预组和对照组的老年人都被纳入了该计划,但对于对照组,在转诊时收集基线数据,并在接触干预前收集随访数据,大约在基线数据收集周后4周(中位数27,IQR 22-43天;图1)。

2020年7月至2020年11月招募的参与者被分配到干预组,而2020年11月至2021年7月招募的参与者被分配到对照组(图2)。

图1所示。与数据收集相关的参与者旅程概述。
查看此图
图2。项目时间表与当地社会保持距离措施政策变化的关系。
查看此图

数据收集

通过标准化的自我报告问卷,以参与者喜欢的语言,亲自或通过电话从参与者那里收集数据。在为征聘和调查管理进行家访之前,为测量员提供了标准化培训。如果第一次没有回应,就会在至少3个不同的场合进行访问或打电话,其中至少一次安排在周末,以最大限度地提高参与度。数据收集工作于2021年11月完成。

措施

主要结果为数字素养得分,次要结果为Lubben社交网络量表-6 (LSNS-6)、加州大学洛杉矶分校3项孤独量表(UCLA-3)、EQ-5D和个人幸福感得分(PWS)。

数字素养没有一个普遍接受的定义[26]。因此,在本研究中,数字素养被定义为智能手机功能使用的知识。为了测量数字素养,基于与老年人相关和适用的4个智能手机使用领域,构建了一个13个项目的自我报告数字素养量表[27:社交(与社交网络保持联系);打发时间(使用手机放松或娱乐);安心(在紧急情况下感到安全);工具性(获取新闻和信息以及获得卫生、政府和银行服务)。通过对分数进行二值化(0=不知道如何使用,1=知道如何使用)并求和来计算总体数字素养分数,分数范围从0到13。该比例尺已在本地进行验证[28]。

社会连通性使用本地验证的LSNS-6进行测量[29],分数越高表明社会联系越紧密[30.]。感知孤独是用UCLA-3量表来评估的,得分在3-5分的参与者被归类为“不孤独”,而得分在6-9分的参与者被归类为“孤独”。31]。主观幸福感评估采用PWS [32]。生活质量评估采用当地认可的EQ- 5d - 3l和EQ视觉模拟量表[33-35]。

数据与统计分析

由于这是一项试点研究,因此在研究之前没有计算抽样规模的功率分析。这项研究的目的是总共招募至少100名老年人。

分析的目的是治疗。干预组和对照组的参与者特征用分类变量的频率及其比例来描述,用数值数据的均值和95% CI来描述。独立样本双尾t检验、Wilcoxon sign-rank检验χ2测试用于比较不同组参与者之间基线特征的差异。双尾配对样本t根据变量内数据分布的性质,对每组内连续变量进行基线和随访之间参与者特征和结果的差异进行检验和Wilcoxon符号排序检验。通过logistic回归分析,对模型中被试的基线孤独状态进行调整,探讨各组被试之间孤独状态的差异。

回归系数(β)和各组成员(对照与干预)与各种结果测量之间随时间的相关比值比,根据所讨论的结果变量的性质,使用一系列分层线性或逻辑回归模型进行估计。在这些纵向分析中,第一个模型(模型1)对基线结果评分/状态进行了调整。第二个模型(模型2)调整了年龄、性别、教育程度、住房类型和生活安排的基线,以及模型1中的预测因子。在第三个也是最后一个模型(模型3)中,基线时的社会隔离和孤独状态与模型2中所示的预测因子一起被纳入协变量。统计学显著性设为P<。0.05,检验为双尾。缺失资料采用全病例分析。所有分析均使用STATA软件(版本14;StataCorp LLC) [36]。

伦理批准

获得了SingHealth中央机构审查委员会(2020/2722)的伦理批准。符合条件的参与者提供书面知情同意书。该研究遵循非随机设计评估透明报告(TREND)报告指南[37]。

结果

人口统计资料

从2020年7月到2021年11月,150名老年人被邀请参加这项研究。在91名被分配到干预组的参与者中,84人被纳入分析,7人被排除在分析之外。在59名被分配到对照组的参与者中,5人被排除在分析之外,剩下54人被纳入分析(图3)。

干预组和对照组的参与者在年龄、性别、婚姻状况、种族、居住安排、智能手机拥有量、社会联系、孤独状态、生活质量和主观幸福感方面相似表1.与干预组的参与者相比,对照组参与者在基线时的数字读写能力得分明显更高(平均差为2.28,95% CI 1.37-3.20;P<措施)。干预组的参与者在整个研究期间的平均就诊次数为3.5次(IQR 2-5)。

图3。综合试验报告标准(CONSORT)流程图。
查看此图
表1。参与者的基线特征。
特征 干预(n = 84) 控制(n = 54) P价值
年龄(年),平均值(95% CI) 72.31 (70.38 - -74.24) 71.85 (69.86 - -73.85) .74点
性别,n (%) 2

男性 37 (44) 22 (41)

47 (56) 32 (59)
种族,n (%) .57

中国人 67 (80) 40 (74)

印度 8 (10) 5 (9)

马来语 9 (11) 9 (17)
教育,n (%) 53

没有受过正规教育 23日(27) 12 (22)

主要的 34 (40) 23日(43)

二次 22日(26) 18 (34)

文凭及以上学历 5 (6) 1 (2)
未婚(单身、分居、离婚或丧偶),n (%) 24 (29) 19 (35) .41点
独居,n (%) 50 (60) 26 (48) .19
A型外壳,n (%) . 21

租赁 66 (79) 47 (87)

自有 18 (21) 7 (13)
B型外壳,n (%) 二十五分

房间 52 (62) 30 (56)

2-room 21 (25) 20 (37)

三房及以上 11 (13) 4 (7)
在基准线有一部手机,n (%) 72 (86) 47 (87)
有一部智能手机作为基准,n (%) 51 (61) 39 (74)
数字素养得分,平均值(95% CI) 3.77 (2.94 - -4.93) 5.09 (4.15 - -6.04) .04点
LSNS-6一个得分,平均值(95% CI) 11.07 (9.83 - -12.31) 12.36 (10.31 - -14.41) 29
孤独(UCLA-3b得分=6-9),n (%) 23日(27) 10 (19) 23)
个人幸福得分(n=120),平均值(95% CI) 8.42 (7.78 - -9.06) 7.47 (6.51 - -8.44) .10
EQ-5D效用(n=135),平均值(95% CI) 0.80 (0.75 - -0.85) 0.77 (0.69 - -0.85) .74点
EQ-5D视觉模拟量表(n=135),平均值(95% CI) 66.79 (62.74 - -70.84) 70.54 (64.59 - -76.48) .30

一个Lubben社交网络量表-6。

bUCLA-3:加州大学洛杉矶分校的3项孤独量表。

主要的结果

与对照组相比,干预组在计划前后的平均数字读写分数变化有统计学意义(变化的平均差异:2.28,95% CI 1.37-3.20;P<措施;表2)。在与数字扫盲分数有关的分析中,对基线数字扫盲分数的差异进行了统计控制。通过多元线性回归分析,在调整了基线数字素养分数和年龄、性别、教育程度、居住安排、住房类型以及基线社会连通性和孤独状态的差异后,数字素养分数的变化与群体成员关系仍然独立相关(模型2;β=1.91, 95% ci 0.93-2.89;P<措施一个nd Model 3,β=1.90, 95% ci 0.91-2.90;P<.001),见表3

领域水平分析显示,最大的收获是在工具性领域(获取新闻和信息以及获取健康、政府和银行服务),干预组的参与者平均比控制组多学习了大约1个新功能,其次是安心、社交和娱乐领域。控制协变量后,除消遣域外,其余域的程序前后差异均有统计学意义(表3)。

表2。干预组与对照组差异。
变量 干预,平均值(95% CI) 对照,平均值(95% CI) 平均差异(95% CI) P价值
主要结局分析

数字素养评分 2.42 (1.73 - 3.11) 0.13(-0.48至0.75) 2.28 (1.37 - 3.20) <措施
域级分析

社会领域 0.64 (0.43 ~ 0.85) 0.20(0.00至0.40) 0.44 (0.15 ~ 0.73) .003

仪器领域 0.77 (0.42 - 1.12) 0.04(-0.28至0.36) 0.74 (0.27 - 1.20) .002

保障领域 0.46 (0.24 ~ 0.07) -0.15 (-0.40 ~ 0.07) 0.61 (0.30 ~ 0.92) <措施

娱乐领域 0.54 (0.29 ~ 0.78) 0.13 (-0.15 ~ 0.39) 0.41 (0.05 ~ 0.76) 03
表3。多元线性回归分析。
变量 模型1一个 模型2b 模型3c


β(95%置信区间) P价值 β(95%置信区间) P价值 β(95%置信区间) P价值
主要结局分析

数字素养评分 1.99 (1.02 - 2.95) <措施 1.91 (0.93 - 2.89) <措施 1.90 (0.91 - 2.90) <措施
域级分析

社会领域 0.34 (0.09 ~ 0.61) .009 0.35 (0.09 ~ 0.61) .009 0.35 (0.08 ~ 0.61) . 01

仪器领域 0.66 (0.23 - 1.10) .003 0.71 (0.26 - 1.15) .002 0.70 (0.24 - 1.15) .003

保障领域 0.32 (0.06 ~ 0.59) 02 0.30 (0.03 ~ 0.57) 03 0.32 (0.05 ~ 0.60) 02

娱乐领域 0.30 (-0.02 ~ 0.62) 06 0.29 (-0.05 ~ 0.64) .10 0.28(-0.06至0.63)

一个模型1:组(对照组[参照组]/干预组),基线域评分。

b模型2:模型1中的预测因子与基线时的年龄、性别、教育程度、住房类型和居住安排。

c模型3:模型2和社会隔离(Lubben社会网络量表-6)和孤独感(加州大学洛杉矶分校3项孤独感量表)基线的预测因子。

二次结果

lsn -6无统计学差异(平均差异-1.47,95% CI -3.42 ~ 0.49;P=.14), EQ-5D效用评分(平均差异0.09,95% CI -0.02 ~ 0.2;P=.11)和视觉模拟量表评分(平均差1.20,95% CI -6.11 ~ 8.52;P= 0.45)或PWS(平均差异-1.28,95% CI -2.45至-0.12;P= i)。孤独感状态由UCLA-3测量,干预前后两组间无显著变化(优势比1.35,95% CI 0.42-4.35;P= .62;表4)。

表4。次要结果分析。
变量 干预,平均值(95% CI) 对照,平均值(95% CI) 平均差异(95% CI) 优势比(95% CI) P价值
LSNS-6一个 -1.26 (-2.58 - 0.06) 0.20(-1.26至1.67) -1.47 (-3.42 - 0.49) N/Ab .14点
EQ-5D效用评分 -0.07 (-0.15 ~ -0.002) 0.02 (-0.07 ~ 0.11) 0.09 (-0.02 ~ 0.20) N/A
EQ-5D血管c分数 1.85 (-2.63 - 6.33) 3.06 (-2.81 - 8.92) 1.20 (-6.11 - 8.52) N/A 。45
d总计 -0.73 (-1.50 - 0.04) 0.56(-0.34至1.45) -1.28 (-2.45 - -0.12) N/A i =
孤独 N/A N/A N/A 1.35 (0.42 - 4.35) .62

一个Lubben社交网络量表-6。

b-不适用。

cVAS:视觉模拟量表。

dPWS:个人幸福指数。


主要研究结果

我们的研究表明,一项以志愿者为主导的、一对一的、基于家庭的数字扫盲计划采用了目标导向的方法,有助于显著提高新加坡低社会地位阶层的社区老年人的数字扫盲水平,这些老年人被数字排斥在外。然而,该项目并没有在孤独感、社会联系、生活质量和个人幸福感方面取得预期的改善。

从我们的研究中可以看出,在社会经济地位较低的老年人中,他们对智能手机使用情况的了解有所增加,这可以归因于我们项目的关键要素[38]。以家庭为基础的一对一数字学习方法使我们能够更好地为每个老年人提供数字培训,同时能够提供密切的指导和支持——在成人学习文献中发现的因素,以鼓励ICT学习[23]。通过将数字培训分成不同的层次,并根据每个老年人的能力进行匹配,该项目能够建立老年人的信心,并保持他们学习智能手机的动力,这对老年人采用技术非常重要。39]。

在我们的研究中,数字素养的提高并没有转化为孤独感、社会联系、生活质量和主观幸福感方面的预期变化。对这一发现的一种可能的解释是,老年人没有任何现有的社会网络可以利用,并且有社会孤立的风险,正如他们的LSNS-6得分低于12所表明的那样[30.]。尽管有意将参与者与他们现有的社交网络进行数字化连接,但参与者的社会联系有限,社交网络中同龄人缺乏相应的数字化应用,以及老年人在数字空间中缺乏社交活动,这些都是该计划面临的挑战。因此,数字素养的提高可能没有转化为老年人生活中新技术的持续使用,或社会活动或联系的增加,导致在孤独、社会隔离、生活质量和福祉方面缺乏观察到的变化。这一发现得到了文献研究的支持,这些研究假设信息通信技术的使用通过将老年人与他们的社会网络联系起来、获得社会支持和参与感兴趣的活动,从而改善了老年人与健康相关的结果[440

我们的研究结果表明,数字扫盲计划需要朝着鼓励老年人长期采用数字技术的方向发展,以真正影响健康结果[22]。未来的研究应着眼于当前网络空间和数字技术的设计,为老年人开发更具数字包容性的空间。这可以增加老年人对数字技术的信心和兼容性,从而使老年人对数字技术的兴趣或动机更大[41以及通过在项目之外继续使用数字扫盲项目的可持续性[22]。

优势与局限

这项研究有几个优势。据我们所知,这是世界上为数不多的评估家庭数字扫盲计划对在2019冠状病毒病大流行期间提高社会经济地位较低的社区老年人数字扫盲影响的研究之一。鉴于未来可能出现的流行病,这为为这一弱势群体规划未来数字扫盲方案提供了重要的经验信息。

此外,数据收集是亲自或通过电话访谈进行的,不像以前的研究使用网络调查来探索COVID-19对其他国家老年人的影响。这种方法使我们能够纳入那些被数字排除在外的参与者,这些参与者可能由于这些老年人的限制或不愿意访问互联网而无法纳入其他基于网络的研究[4243]。通过我们的研究方法,我们能够更有代表性地了解我们的数字扫盲计划对大流行期间很少(或没有)使用智能手机的老年人的影响。

同时,由于COVID-19大流行期间实施干预的实际限制,本研究的设计和实施受到了限制。干预组和对照组参与者在不同的时间框架内进行了随访,因为考虑到潜在的社会隔离风险,在COVID-19大流行高峰期,让这些对照组参与者等待超过4周才能获得数字设备是不可可行的。与此同时,使用候补名单设计确保了两组都是由参与数字扫盲计划的相同倾向的个人组成的,两组之间唯一的区别是干预的时间。对照组参与者的延迟使研究小组能够看到他们在没有参加数字扫盲计划的情况下,在数字知识和行为方面的变化。对照组的后续数据是在他们开始项目之前专门收集的,以减少培训对对照组参与者数字读写技能的混杂影响。

由于采用了等候名单的方法,参与者被随机分配到不同的小组。观察到各组之间基线数字素养得分的差异,其中对照组的基线数字素养得分较高。为了调解这一点,在与数字素养分数有关的分析中实施了对这一差异的统计控制。

最后,结果是由老年人自我报告的,这可能会影响衡量数字素养等关键结果变化的准确性。展望未来,未来的研究应该采用盲法评估,并在实际可行的情况下对老年人的数字素养进行客观评估。

结论

我们的研究提供了初步的经验证据,以支持志愿者主导的、一对一的、基于家庭的新加坡低经济地位老年人数字扫盲计划的有效性。虽然目前的干预措施对孤独、社会联系、生活质量或主观幸福感等次要结果的影响有限,但我们的研究结果是在一个由于快速数字化而导致不平等加剧的世界中确保数字包容性的一步。在大流行后的世界,数字使用将不再是一种选择,而是日常生活的重要组成部分[22]。对于那些缺乏数字资源和专门知识的人来说,他们获得影响健康各种决定因素的服务和资源的能力可能受到阻碍,从而可能导致不利的健康结果[44]。未来的研究应着眼于开发更适合老年人的网络空间和技术设计,这可以鼓励老年人继续采用数字技术,并最终影响与健康相关的结果。

致谢

本研究由新加坡卫生部国家医学研究委员会根据奖学金计划提供支持,由新加坡卫生区域卫生系统,以人口为基础的,统一的,增强和可持续的学习系统(脉冲)健康中心赠款(NMRC/CG/C027/2017_SHS),健康,赋权和积极生活(HEAL)基金和信息通信媒体发展管理局数字生命基金。

作者的贡献

ll, KYYN和NHWN构思了这个项目,并领导研究团队设计和实施了这项研究。KSY、AS、JXL、AT、KWAT、CYXT、NT、WQY、KYYN和NHWN实施了研究并收集了数据。NT和JXL分析了数据。WQY和NHWN共同撰写了正文初稿、补充材料,并构建了图表。所有作者都审阅和修订了正文和补充材料。

利益冲突

没有宣布。

多媒体附录1

编写所有补充材料,包括研究方案、调查问卷、培训材料和非随机设计评估透明报告(TREND)清单。

DOCX文件,714 KB

  1. 世界互联网使用统计。互联网世界统计:使用和人口统计。2021年12月31日。URL:https://www.internetworldstats.com/stats.htm[2022-04-11]访问
  2. 范浩康,陈建军,李建军,等。数字鸿沟的重新审视:技术在日常生活中的代际差异。中华精神病杂志,2014;16(3):557-574 [J]免费全文
  3. 张芳,考夫曼。mmorpg社交互动对老年人社会资本的影响。计算机学报,2015;51 (1):495-503 [j]免费全文] [CrossRef
  4. 陈彦瑞,舒尔茨PJ。信息通信技术干预对减少老年人社会孤立的影响:一项系统综述。医学互联网研究,2016年1月28日;18(1):e18 [J]免费全文] [CrossRef] [Medline
  5. Cotten S, Ford G, Ford S, Hale t。网络使用与老年人抑郁的关系。计算机学报,2012;28(2):496-499 [j]免费全文] [CrossRef
  6. Heo J,春、李,李KH、金J .老年人互联网使用和幸福。网络心理行为学报,2015;18(5):268-272 [j]免费全文] [CrossRef] [Medline
  7. Chopik WJ。老年人使用社交技术的好处是通过减少孤独感来实现的。网络心理行为社会网络2016 Sep;19(9):551-556 [j]免费全文] [CrossRef] [Medline
  8. 数字访问差异:政策与实践综述。会议报告:数字技能:一个隐藏的“超级”健康的社会决定因素。2018年10月15日在:数字技能和连通性作为健康的社会决定因素;2018年10月3-5日;华盛顿特区https://iaphs.org/conference-report-digital-skills-hidden-super-social-determinant-health/
  9. Susło R, Paplicki M, Dopierała K, Drobnik J.促进老年人的数字素养,以确保他们在二十一世纪的健康需求和人权。家庭医学与初级保健,2018;20(3):271-275。[CrossRef
  10. 张建平,张建平,张建平。你在想什么?调查有关包容性社交网络和老年人的建议。2014年4月26日发表于:CHI '14: SIGCHI计算系统中人因会议;2014年4月26日至5月1日;多伦多3923-3932页。[CrossRef
  11. 王晓明,李晓明,王晓明,等。老年人网络使用健康相关困难:社会支持网络对生活质量的影响。老年病学2021年7月13日;61(5):693-702。[CrossRef] [Medline
  12. Elliot AJ, Mooney CJ, Douthit KZ, Lynch MF。老年人技术使用的预测因素及其与抑郁症状和幸福感的关系[J]心理学报,2014;39 (5):667-677 [J]免费全文] [CrossRef] [Medline
  13. Hayes M, van Stolk-Cooke K, Muench F.了解Facebook的使用及其跨代使用的心理影响。计算机与人类行为[j]; 2015;49:50 -511。免费全文] [CrossRef
  14. Tirado-Morueta R, Hernando-Gómez Á, Aguaded-Gomez JI。安达卢西亚(西班牙)老年公民使用数字媒体的能力。信息通信与社会2015年11月19日;19(10):1427-1444。[CrossRef
  15. 张建军,张建军,张建军,等。流感大流行期间社会隔离对幸福感和生活满意度的影响。人类社会科学,2021;8(1):1-6。[CrossRef
  16. 林文伟,梁国强,Assantachai P, auyetw, Kang L, Lee W,等。2019冠状病毒病与亚洲老年人:亚洲肌肉减少症工作组呼吁采取行动。Geriatr Gerontol [j] .国际老年医学杂志,2020;14;20(6):547-558 [j]免费全文] [CrossRef] [Medline
  17. 美国国家科学院、工程院和医学院、卫生和医学部、行为和社会科学与教育学部、卫生科学政策委员会、行为、认知和感觉科学委员会、老年人社会孤立和孤独的健康和医学层面委员会。老年人的社会隔离和孤独:医疗保健系统的机会。华盛顿:国家科学院出版社;2020.
  18. 博诺耶尔E,杜普萨梅斯,吉顿MJ。2019冠状病毒病与数字不平等:相互影响和缓解战略。计算机科学与技术[j]; 2011(10): 1055 - 1055。免费全文] [CrossRef] [Medline
  19. 陈亚平,马绍华,马绍华。新加坡社区居住老年人孤独感与全因死亡率的关系。Demogr Res 2015年6月03日;32:1361-1382。[CrossRef
  20. Straughan PT, Tov W, Kim S, Cheng T, Hoskins S, Tan M.新冠肺炎时期新加坡老年人的态度、行为和幸福感:来自新加坡生活小组的观点。中国农业大学学报(自然科学版);2009;01 - 01 [j]免费全文
  21. 老年人走向数字化。信息通信媒体发展管理局。URL:http://www.imda.gov.sg/en/seniorsgodigital[2022-04-11]访问
  22. 吴义海,孙立林,庞宁,金东,苏刚,Pakianathan PV,等。从数字排斥到新加坡的普遍数字接入。新加坡国立大学2021年1月1-28日[免费全文
  23. 成人学习与信息通信技术:如何应对需求的多样性。,编辑。信息通信技术与学习:支持失学青年和成人。法国巴黎:经合组织出版;2006年5月12日。
  24. Lim HA, Lee JSW, Lim MH, Teo LPZ, Sin NSW, Lim RW,等。弥合数字接入和扫盲中的连接问题:关于增强新加坡弱势老年人权能的思考。吉林大学学报(自然科学版);2009;5(2):344 - 344 [j]免费全文] [CrossRef] [Medline
  25. Comcare长期援助(公共援助计划)。长者中心。URL:https://www.silverschemes.sg/post_single_age/comcare-long-term-assistance-public-assistance-scheme/[2022-04-11]访问
  26. 史瑞尔斯·K,全哈斯·A,马丁·K。老年人信息通信技术使用背景下的数字素养悖论问题:老龄化、媒体话语和自我决定。传媒学报,2017;42(2):359-377。[CrossRef
  27. 王颖,刘建军,刘建军。日本中老年人群孤独感与手机使用的关系研究。创新老龄化2018 Sep;2(3):igy027 [j]免费全文] [CrossRef] [Medline
  28. Soundararajan A, Lim JX, Ngiam NHW, Tey AJY, Tang AKW, Lim HA,等。智能手机拥有量、数字素养以及连通性和孤独感在改善社会经济地位较低的新加坡社区老年人福祉中的中介作用。PsyArXiv。预印本于2022年2月9日在线发布。[免费全文] [CrossRef
  29. 葛亮,叶文武,王锐,恒宝。社会孤立、孤独及其与抑郁症状的关系:一项基于人群的研究PLoS One 2017 Aug 23;12(8):e0182145 [j]免费全文] [CrossRef] [Medline
  30. 刘建军,刘建军,刘建军,等。鲁本社会网络量表在三个欧洲社区居住的老年人口中的简化版表现。老年病学杂志2006;46(4):503-513。[CrossRef] [Medline
  31. Steptoe A, Shankar A, Demakakos P, Wardle J.社会隔离、孤独与老年男女全因死亡率。中国科学d辑,2013;04;110(15):5797-5801 [j]免费全文] [CrossRef] [Medline
  32. 李建军,李建军,李建军。个人幸福评分(PWS)——ONS4的简化版:社会处方的发展与验证。BMJ公开赛2019年4月11日;8(2):e000394 [j]免费全文] [CrossRef] [Medline
  33. Merchant RA, Liu SG, Lim jyy,付鑫,Chan YH。社区居住老年人社会隔离相关因素:一项横断面研究《生活质量报告》2020 Sep 06;29(9):2375-2381。[CrossRef] [Medline
  34. 罗宁,王平,Thumboo J,林勇,Vrijhoef HJM。新加坡EQ-5D-3L健康状态的评估:80个经验观察健康状态的时间权衡值建模。药物经济学2014;12;32(5):495-507。[CrossRef] [Medline
  35. 李建军,张建军,张建军,等。从翻译到版本管理:欧洲问卷文化适应的历史与方法综述。价值健康2014;17(1):70-76 [j]免费全文] [CrossRef] [Medline
  36. StataCorp。Stata统计软件:第14版。StataCorp LLC, 2015。URL:https://www.stata.com/[2022-11-18]访问
  37. Haynes AB, Haukoos JS, dick JB。非随机/准实验研究设计的TREND报告指南。JAMA surgery 2021 Sep 01;156(9):879-880。[CrossRef] [Medline
  38. Lim HA, Lee JSW, Lim MH, Teo LPZ, Sin NSW, Lim RW,等。弥合数字接入和扫盲中的连接问题:关于增强新加坡弱势老年人权能的思考。吉林大学学报(自然科学版);2009;5(2):344 - 344。[CrossRef] [Medline
  39. 王志强,金士伯。提高成人学习动机:全面的成人教学指南,第4版。旧金山:John Wiley & Sons;2017.
  40. 韩敏,谭学祥,李瑞,李建军,Mahendran R.新加坡老年人社交媒体对健康相关结果的影响:定性研究。JMIR Aging 2021 Feb 17;4(1):e23826 [j]免费全文] [CrossRef] [Medline
  41. den Haan M, Brankaert R, Kenning G, Lu Y.在智能手机技术的使用和采用方面为老年人创造一个社会学习环境。前沿公共卫生2021;9:568822 [免费全文] [CrossRef] [Medline
  42. Parlapani E, Holeva V, Nikopoulou VA, Kaprinis S, Nouskas I, Diakogiannis I.与covid -19相关的老年人心理影响综述:脆弱还是不脆弱?老年临床医学杂志[j]; 2011;33(6):1729-1743 [j]免费全文] [CrossRef] [Medline
  43. 马浩特拉R, Visaria A. COVID-19大流行中的社会隔离?对所有老年人来说,保持在线社交关系是一个可行的选择:来自新加坡的见解。电子学报,2020(1):1-17。[CrossRef
  44. 刘建军,刘建军,刘建军,刘建军。数字包容对健康影响的实证研究。NPJ数字医学2021年3月17日;4(1):52 [j]免费全文] [CrossRef] [Medline


信息通信技术:资讯及通讯科技
LSNS-6:Lubben社交网络量表-6
浆:个人幸福指数
SES:社会经济地位
趋势:非随机设计评估的透明报告
UCLA-3:加州大学洛杉矶分校3项孤独量表


R库卡夫卡编辑;提交16.06.22;由S Kim、W Wei Chin同行评审;对作者的评论12.07.22;收到修订版本05.09.22;接受13.11.22;发表02.12.22

版权

©Nerice Heng Wen Ngiam, Wan Qi Yee, Nigel Teo, Ka Shing Yow, Amrish Soundararajan, Lim Jie Xin, Haikel A Lim, Angeline Tey, Kai Wen Tang, Celine Yi Xin Tham, Jamaica Pei Ying Tan, Si yin Lu, Sungwon Yoon, Kennedy Yao Yi Ng, Lian Leng Low。最初发表于医学互联网研究杂志(//www.mybigtv.com), 2022年2月12日。

这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在《医学互联网研究杂志》上,并适当引用。必须包括完整的书目信息,到//www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。


Baidu
map