法语版电子健康素养量表的翻译和验证研究:基于网络的学生群体调查

简介

背景

电子健康(或互联健康)是一个新兴领域，包含了各种利益相关者，例如医疗信息学、公共卫生和公司[1]。这一领域可能是一个有趣的机会，可以克服当前卫生系统的弱点，并通过使卫生专业人员和患者积极参与自己的健康来帮助他们[1，2]。为了从这一新兴领域中受益，所有用户档案都必须能够访问普通公众可用的联网医疗设备[3.，4]，而不考虑它们的使用环境。这意味着病人必须能力正确使用这些工具[5]。使用卫生信息技术需要一套特定的知识和技能，例如阅读、使用计算机、搜索信息、理解卫生信息并将其置于情境的能力[6]。所有这些技能都与电子健康素养［6]。换句话说，评估个人使用电子健康的技能相当于评估他们的电子健康素养水平。为满足这一需求，制定了电子卫生扫盲量表[7]。

电子卫生素养:定义和理论模型

根据医学研究所"电子健康素养"是指一个人"从电子来源搜索、查找、理解和评估健康信息，并应用所获得的知识治疗或解决健康问题"的技能。[8]。这一定义强调了背景因素的重要性，包括传播卫生信息的媒体以及与这些媒体相关的卫生知识普及水平[6]。目前传播健康信息的媒体包括改变行为的交互式工具，如应用程序、网站和电话支持服务[9，10]。然而，技术的使用与基于网络的卫生信息(即数字扫盲或电子卫生扫盲)的使用之间存在显著差异[11]，即使技术的使用和基于网络的健康信息的使用都是与电子卫生素养相关的活动。因此，Norman和Skinner [6，旨在确定使用这些信息所需的技能。

这一领域的早期研究主要集中在一般读写能力(即“理解和使用书面信息的能力……以实现个人目标和扩大个人知识和能力”(p12) [12]。研究已扩展到与患者健康有关的卫生知识普及和电子卫生知识普及等领域[13]。电子卫生素养的基本理论部分基于社会认知理论[14]和自我效能理论[15-17]。这些理论认为自信是获得高水平电子卫生素养所需的行为改变和技能的前兆。基于这些理论，Norman和Skinner [6]提出了电子健康知识普及模式(莉莉模型)基于六种不同的技能(或文化应用于健康:(1)传统的识字和算术，(2)健康素养，(3)信息素养，(4)科学素养，(5)媒体素养，(6)计算机素养。根据诺曼和斯金纳[6]，电子健康知识包括所有这些的组合核心文化．这些作者开发了电子健康素养量表(eHEALS)，这是一个电子卫生素养评分量表，旨在促进电子卫生，并确定帮助患者在健康中使用数字媒体的策略。eHEALS并不直接衡量技能，而是“衡量消费者的技能”。感知到的"电子健康服务的技能和舒适度" (p24) [6]。

电子卫生素养量表和跨文化验证

目前，有几种工具可用于评估电子卫生素养。在对卫生扫盲工具的系统审查中[18]，作者确定了8种仪器，包括eHEALS [7),电子健康素养问卷［19),电子健康知识普及框架［20.),数字健康扫盲仪(DHLI) [21),电子卫生素养评估工具包［22]， eHEALS-Extended [23]、电子健康素养量表[24),而事务性电子卫生扫盲工具［25]。据我们所知，这些量表都没有在法语中得到验证。

有几个原因导致我们选择在法语中验证eHEALS [7]。首先，eHEALS是一个相对较短的工具(8项)，易于管理并与其他量表结合使用。第二，它是目前国际科学文献中使用最广泛的衡量电子健康素养的量表[26]。这个工具在过去10年已被翻译成不同的语言[27-39]。这表明它可以在各种语言和文化语境中使用。但是，目前还没有法语译本。此外，eHEALS的优点之一是它可以适应不同的人群和不同的环境。该量表适用于不同类别的个人，例如老年人[40]、青壮年[41]、护生[42]，以及青少年[43]。

eHEALS原始版本

eHEALS的原始版本，由Norman和Skinner创建[7]，由10个项目组成，涉及六种文化类型莉莉前面提到的模型。共有8个项目评估用户的知识;舒适;以及发现、评估和应用数字健康信息来回答健康问题的感知技能。该量表还包括2个额外项目，重点关注参与者对使用互联网作为决策工具及其在收集健康信息方面的有用性的看法(这些项目不包括在总分中)。

原始量表的心理测量特征在青少年样本上进行评估(N=664;平均年龄14.95岁，标准差1.24岁)。Cronbach α为0.88，重测信度为0.68 [7]。作者使用因子分析并强调了单因素解决方案(特征值=4.479;56%的方差解释)。

影响电子卫生知识普及的因素

有几个因素与电子卫生素养相关:社会人口特征、卫生素养和对健康的承诺。研究对其与社会人口学特征(性别、教育水平和健康结果)的关系存在分歧[38，44-46]。由于一些研究根据这些社会人口特征显示了电子卫生素养的差异，而另一些研究则没有，因此获得人口电子卫生素养水平的概况是复杂的。切瑟等[47]在一项系统综述中显示，电子卫生素养与教育水平和高龄相关，即使在老年人口中存在一些差异。

与社会人口特征的关联相反，人们似乎对健康知识普及与电子健康知识普及之间的关系达成了共识[38，45，48，49]，在诺曼和斯金纳提出的模型中，健康知识是电子健康知识的组成部分之一[6]。奈特等[49]发现健康素养调查-欧洲- 16 (HLS-EU-Q16)得分与eHEALS (r= 0.36;P<.05)。相似的结果(r= 0.43;P<.001)由Duplaga等[48)对199名年轻人(18-29岁)的样本进行了研究。Wångdahl等[38]也发现了中度正相关(r= 0.47;P在323名成年人样本中HLS-EU-Q16和瑞典版eHEALS之间的差异<.05)。

此外，患者对健康的承诺与电子卫生素养水平之间似乎存在联系。病人对健康的承诺，也被称为病人激活，通常用患者激活措施- 13(PAM-13)量表[50]。例如，Lee等人[51]使用PAM-13评估了399名慢性疾病成年人的激活水平，并使用eHEALS评估了他们的电子健康素养水平。作者在这两个变量之间显示出正的、中等的和显著的相关性(r= 0.50;P<措施)。

总之，以往的研究一致认同健康素养与电子健康素养之间的联系，以及患者健康激活与电子健康素养之间的联系。然而，个人的社会人口特征与电子卫生素养之间的联系似乎不那么趋同。

客观的

这项研究的目的是翻译eHEALS，它已经由Norman和Skinner开发[7，翻译成法语，并在学生群体中验证。

方法

过程

翻译、改编和验证eHEALS [7]，我们遵循美国心理学会的指导方针[52]和Vallerand推荐的5个步骤[53]:翻译、专家验证、测试前测量、工具管理和测试-再测试。图S1多媒体附件1，译自瓦勒朗[53，显示这些步骤。

这5个步骤是在2019年12月至2020年3月期间进行的。

伦理批准

这项研究符合1964年《赫尔辛基宣言》及其后来的修正案所规定的原则。在实验之前，参与者签署了一份网络同意书，问卷由皮卡第儒勒凡尔纳大学的研究伦理委员会验证。参与者没有因为他们的参与而获得任何经济补偿，他们同意参加这项研究。数据的匿名性、保密性和安全存储向参与者保证并得到尊重。

第一步:eHEALS翻译成法语的双重反向翻译-初步版本的准备

我们已被其作者授权翻译原始eHEALS量表[7]。在获得授权后，我们由两名母语为法语的专业翻译人员独立地对eHEALS进行了双重反向翻译。这种方法被认为是“起草心理工具的理想方法”(我们的翻译;p665) [53]。然后，由两名母语为英语且没有看过原版的专业翻译人员将获得的两个法语版本重新翻译成英语，再次相互独立。在这一阶段结束时，总共制作了两个法文版本和两个英文初步版本。

第二步:由专家委员会确认

一个由4名专家组成的委员会，其中3名(75%)是手稿的作者，包括1名(25%)神经心理学专家，1名(25%)认知心理学专家和2名(50%)其他人体工程学专家，开会审查翻译的质量，并就最佳版本达成一致。为此，他们将不同的翻译版本与英语原版进行比较，考虑到法国文化背景，并检查语言的清晰度。委员会对选定的项目作了一些小改动。在委员会的干预下，法国版本的eHEALS (F-eHEALS)成立了。委员们详细讨论了这个词的翻译问题卫生资源．建议翻译如下:“resources en santé”、“resources sur la santé”或“resources de santé”。成员们一致认为“资源santé”更具包容性和易于理解。委员会也不确定是否建议使用“信息”一词而不是“资源”。最后，“资源”一词(法语为“资源”)被保留，以与原来的版本没有区别。

步骤3:物品清晰度的预测测量

我们进行了预测测量，以检查项目的清晰度(即，翻译项目的明确措辞)。共有22名参与者被要求使用一份基于网络的问卷来评估这些项目(包括说明)。为了做到这一点，参与者必须阅读每个项目，并在1 (一点也不清楚)至7 (很清楚)．评分≤4分的项目需要审核。对于每个项目，参与者也可以对潜在的歧义留下评论，并证明他们对每个项目的得分。这个预测测量的结果被用于创建F-eHEALS的最终版本。

4 .管理

共有344名16至33岁的学生回答了F-eHEALS，两个额外的量表(HLS-EU-Q16和PAM-13)，以及关于他们的社会人口特征的问题。

这一人群是相关的，因为该工具对年轻人人群的适用性已经得到证明[32，33，35，37，41，42]。为了瞄准这一人群，来自法国几所大学的学生在Facebook上分享了体重秤。所有受访者必须是学生，母语为法语。

给参与者的说明解释了关于eHEALS量表翻译的研究的主要目标，并为其他问卷(即HLS-EU-Q16和PAM-13)的存在提供了一些解释:“它涉及您对您在互联网上搜索、查找和处理健康相关信息的能力的看法，您对自己健康的参与。”由于患者承诺、健康素养和电子健康素养之间似乎存在关系，我们选择在问卷中添加PAM-13和HLS-EU-Q16来测量并发效度。

每位参与者都必须通过电子验证同意这项研究，才能获得问卷。首先，参与者填写了有关他们的年龄、性别、教育水平和教育领域的信息，以及一个与他们的健康状况有关的问题。然后，他们被要求完成F-eHEALS, HLS-EU-Q16 [54]，最后是PAM-13 [50]。在完成问卷调查后，参与者被问及是否希望再次联系他们进行测试-再测试，通过提供电子邮件地址。

第五步:反复测试

相对于其他保真指数，测试-再测试稳定性是衡量量表度量质量的最佳指标[55]。这种评价具有测量测量值的时间稳定性的特异性[53]。共有170名与会者同意在稍后的日期进行联系。在初次入组1个月后，向参与者发送相同格式的相同问卷(说明、同意和问卷)。在170名参与者中，84名(49.4%)参与者回答了问卷。

方法:问卷调查和数据分析

F-eHEALS问卷

F-eHEALS，类似于诺曼和斯金纳开发的eHEALS的原始版本[7]，由8个项目组成，以李克特5分制(范围从1=强烈反对5 =强烈同意)。另外还有两项与个人在做出健康决定时对互联网的重视程度和有用性有关，但不计入最终评分。eHEALS分数取决于每个项目获得的分数(强烈反对得分1分，强烈同意5分)。eHEALS评分范围为8 ~ 40分。得分越高，说明电子卫生素养水平越高。对项目的分析是对构成eHEALS的8个项目进行的[7]。

HLS-EU-Q16规模

的HLS-EU-Q16［54的缩写HLS由Sørensen等人开发[56]。它已被翻译成法语[57]。该版本由16个项目组成，其中13个(81%)评估了4种类型的卫生素养技能:获取、理解、评估和应用卫生信息的能力[56]。受访者必须评估自己获取信息的能力(例如，“请从非常容易到非常困难，说明您理解医生或药剂师关于如何服用药物的说明有多容易?”)。总体而言，在李克特4分制量表上提出了4类答案。困难或非常困难的回答不得分，而容易而且非常容易回答得1分。然后计算总分:得分越高，说明健康素养水平越高。

PAM的法语版本

PAM-13 [50]，译为法语[58，是一个由13个项目组成的量表，评估患者在自我管理健康或慢性疾病方面的知识、技能和信心。受访者必须评估他们自我管理健康的能力(例如，“综合考虑，我是负责照顾自己健康的人”)。受访者在李克特量表(Likert scale)的5分制上提供答案(从1=强烈反对5 =强烈同意)。然后，根据参与者对每个项目的反应计算总分。项目总分为13 - 65分;得分越高，表示对健康的投入程度越高。

数据分析

概述

使用SPSS (version 22;IBM公司)。这项研究的所有数据都是开放获取的[59]。保真度评估通过分析工具的内部一致性进行，如Cronbach α评估。Cronbach α为>。7，which indicates that the items in the study are consistent [60]。构建效度通过三种统计分析进行测量:(1)探索性因子分析(使用方差旋转的主成分分析)，(2)项目间相关性分析，(3)使用Pearson相关性分析HLS-EU-Q16、PAM-13和F-eHEALS之间的构建效应。

探索性因子分析

为了验证这些指标是否适合进行因子分析，我们采用了Kaiser-Meyer-Olkin (KMO)和Bartlett球度检验。KMO值接近1被认为是理想的，Bartlett球度检验的统计显著性结果表明相关矩阵不是单位矩阵。采用多元正态性检验(Mahalanobis distance of Mahalanobis)确保数据的正态性。如果马氏最大值小于临界值，则存在多元正态性。然后，我们使用主成分分析(方差旋转;Kaiser准则>1)，这是一种多元相互依赖技术，允许相关变量和潜在结构的测量被确定。要进行这种分析，需要最小的统计能力。头发等[61]认为有必要在分析中每个变量有10个参与者的比例，这将对应于我们的量表至少有80个参与者。因子评分>0.71为优，>0.63为极好，>0.55为良，>0.45为可接受，接近0.32为差，<0.32为极差[62]。

项目间相关性分析

项目间相互关系的分析可以评估比额表的内部一致性。要度量这个构造，元素必须充分相关(r> 0.4)。

结构效果分析

构念效应使得验证构念与文献中确定的变量之间的联系成为可能[53]。我们提出了3个关于健康素养与其他变量之间联系的假设，这些变量之前已被证明与电子健康素养相关。构建效果的测量基于3个假设:(1)电子健康素养水平与社会人口学特征(性别和健康结果)不相关，(2)电子健康素养水平将与健康素养水平呈正相关且中等相关，(3)电子健康素养水平将与患者激活水平呈正相关且中等相关。我们使用Pearson相关性来验证(或否定)假设。

结果

与原始版本的翻译和等价性验证(步骤1、2和3)

在测试前测量中评估项目清晰度(n=22;平均年龄38.47岁，SD 8.44岁;范围26-63年)，没有一个F-eHEALS项目评分<4 (多媒体附件2)。所有项目的平均分为6.27 (SD 1.15)，因此被认为是可以理解和清楚的。只有第5项和第6项作了较小的修改，将“资源”一词改为“信息”，受访者认为第一个词非常令人困惑。专家委员会已经讨论过这个术语。

验证(步骤4及5)

样本的社会人口学特征

在344名回应该量表的参与者中，我们排除了15名(4.4%)参与者:7名(47%)参与者不是学生，8名(53%)参与者年龄为>35岁，因此被认为会导致年龄偏见的风险，1名(7%)参与者没有表示同意。因此，95.3%(328/344)的参与者(平均年龄21.22岁，SD 2.7岁;274/328, 83.5%为女性;52/328, 15.9%为男性;2/328, 0.6%是非二元的)符合步骤4的条件。受访者的特征详情载于多媒体．

内部一致性和时间稳定性

在回复问卷的344名参与者中，170名(49.4%)参与者同意重新联系进行重新测试。在这170名参与者中，84人(49.4%)回答了问卷。在84名参与者中，有6名(7%)参与者必须被排除在外，因为他们的身份不允许与第一次测试的联系人数据库建立联系。因此，93%(78/84)的参与者被纳入了复测。我们样本的时间稳定性为(类内相关系数=0.84;95% ci 0.76-0.9;F_77年,77年= 6.416;P<措施)。我们还观察到两次会议之间有很强的正相关(r= 0.72;P<措施)。F-eHEALS的内部一致性由Cronbach α为0.89估计。

构念效度评估

主成分分析的探索性因子分析

Bartlett球度检验有显著性(N=328;χ²₂₈= 1616.3;P<.001)， KMO指数为0.85。进行多元正态性检验(distance of Mahalanobis: dof=8;mean 7.976, SD 5.317;最小值= 0.876;最大= 30.146)。没有一个异常值被移除。

对主要因素的分析得到了4479的特征值。前2个因子是基于Kaiser准则提取的，因为它们有一个特征值>1。仅第一个因素(项目)就解释了所分析的8个项目总方差的57.72%。因此，前2个因素(项)解释了总特征值方差的71.54%。在多媒体附件4，我们可以看到，卡特尔碎石试验验证了凯撒标准，因为它位于项目2和项目3之间。

对初始量表的因子结构进行检查，发现有两个因子轴(表1)。在分析组件1和组件2与旋转前8个项目的关系时，我们观察到第一个因素对所有项目都有负载。我们还观察到这两个因素与第7项之间有2个相似的相关性。我们继续进行方差旋转以获得一个简单的阶乘表示。在反复旋转之后，我们观察到第1、2、3、4和5项加载在第一个因子上。

第一项对应于“我知道如何找到有用的卫生资源在互联网上,“第二项对应于“我知道如何利用互联网来回答我的健康问题,”3项指的是“我知道卫生资源都可以在互联网上,“第四项指的是“我知道在哪里可以找到有用的卫生资源在互联网上,“和第五项对应于“我知道如何使用卫生信息我发现在互联网上帮助我．“对于因素2，项目6和7被加载。第6项对应于“我拥有评估在互联网上找到的卫生资源所需的技能”第7项是“我可以在互联网上分辨出高质量和低质量的卫生资源。”第8项对应的“我对利用互联网信息做出健康决策有信心”，在反复旋转后似乎跨越了2个因素。

项目间相关性的模式

分析相关矩阵后(多媒体)，我们发现F-eHEALS中8项之间呈正相关。数值在0.30 ~ 0.86之间。相关记录最低的是第1项和第7项(r= 0.3)。相比之下，第2项和第3项之间的相关性最高(r= 0.86)。第7项似乎与其他项目的相关性最低。项目间平均相关性为0.53至0.78 (表2)。原始eHEALS量表的项目间相关性均值为r=0.51至0.76 [7]，这与F-eHEALS的结果接近。

量表的并发效度

F-eHEALS评分与HLS-EU-Q16评分呈显著正相关(r= 0.34;P<.001)和PAM-13得分(r= 0.31;P<措施)。性别间差异无统计学意义(F_3324年= 1.56;P= 0.20)、健康结果(慢性疾病;F_1326年= 0.017;P=.89)， F-eHEALS评分。

讨论

主要研究结果

这项研究的目的是将eHEALS翻译成法语，并在学生群体中验证F-eHEALS。本研究的结果验证了它的翻译和改编，允许我们提出一个法国版本的验证eHEALS量表(多媒体附件6)。

与以往研究的比较

翻译

翻译过程突出了从英语翻译到法语的复杂性。虽然翻译的内容必须与原文保持一致，反映项目的真实含义，但它也必须适应目标人群的语言和文化。在双重反向翻译过程中，专家委员会对术语进行了讨论，具体来说，卫生资源，已在其他译本中提及[38，45，说明了从英语翻译到其他语言的普遍复杂性。在进行测试前测量以检查项目的清晰度后，将量表提交给328名样本学生。

验证

忠诚

使用内部一致性和时间稳定性来测量F-eHEALS的保真度。内部一致性采用Cronbach α评价，时间稳定性采用置信度指数评价。在我们的研究中，内部一致性(Cronbach α=.89)根据Nunnaly [60]。关于时间稳定性，我们观察到良好的保真度[63]我们的样本。这些结果与原始研究的结果一致[7]，得到了相似的结果(Cronbach α=.88)。此外，我们关于保真度的结果与一些研究的结果一致，这些研究显示Cronbach α高于原始(即>.88)[27-29，38-41]。

建构效度

巴特利特球度检验显著，KMO采样精度指标可以用优秀来形容。这些结果表明，项目之间的相关性是良好的质量，从而合法化的因素分析。此外，由于目前的样本包括328名参与者，这是正确的，统计力量被认为是充分的[61]。

构念效度突出了2因素(或2D)结构。尽管这与一些研究相矛盾[27，28，33，35，40，41，64]，其他研究也揭示了一个双因素结构[30.，37，39，49，65-67]。这种二维性与电子卫生素养的多维性完全一致，后者由不同的素养组成[6]。这些结果与3项研究一致[65，67，68]，发现项目结构与我们的相似(即信息寻求:第1、2、3、4、5和8项，信息评价:第6和7项)。然而，在系统分析中，Lee等人[18]证明了3项研究中2因子量表缺乏高质量的结构效度和内部一致性证据，这表明2因子量表的不稳定性。因此，对这种结构保持谨慎是很重要的。

我们发现第8项的载客率有问题。在项目负荷分析中，项目8为旋转前的第一个因子;但是，第8项在旋转后跨越了2个因素。该分析与意大利语翻译和旋转前的验证是一致的[65]。如果作者进行了轮换，他们很可能会发现类似的结果。本研究与意大利验证研究之间还观察到许多其他相似之处(如Cronbach α、方差计算和2D尺度)。这可能是由于法语和意大利语有共同的拉丁词根。然而，这些相似之处在其他拉丁语译本(如葡萄牙语和西班牙语)中没有观察到。此外，在意大利护士人群的验证中，De Caro等人[33观察到一个单一维度。这显示了eHEALS在人群中的不稳定性。第8项在观察二维尺度的其他验证中似乎也有问题[39]。这可能是由于在原文章中，第8项的装载不是很好。第8项在没有旋转的情况下以0.6加载，这似乎不是好［62]。然而，据我们所知，没有一项关于eHEALS验证的研究从问卷中删除了第8项，尽管它存在缺陷。因此，尽管第8项的判别困难，负载因子不明确，但与Dale等一致[39]， Gazibara等[37]， Richtering等[66]和Shiferaw [30.，我们决定保留它。

根据语言的不同，第8项可以在第一个[37]和第二个因素[65]。第1项至第5项以“我知道”开头，而第6项和第7项涉及自我评价的概念，如“我有技能”或“我可以”。第8项似乎接近于可靠性和信任的概念(“我感到自信”)，因此，与自我评价的概念，包括第6和7项。因此，这个双重因素将项目分为两个维度:衡量信息寻求技能的维度(第1-5项)和衡量健康信息评价的维度(第6-8项)。

衡量每个潜在因素的平均分似乎更合适，而不是总体得分。然而，考虑到某些项目的不稳定性，衡量总分似乎更有意义。此外，对每个因素打分可能会影响比较和标准化，大多数研究使用的是总分。考虑到这些适应症，我们建议在未来使用F-eHEALS时计算每个因素的得分和总体得分。

本研究中2因素模型所解释的方差与其他语言的类似验证研究相比也相对较高[27，32，35]。

项目的表示质量(即项目是否被结构的维度很好地表示)被判断为优秀，因为所有项目都显示了>0.45的分数。因此，我们决定保留ehealals的转换和验证中的所有项。原始eHEALS量表项目间相关性的均值[7]与F-eHEALS结果一致。F-eHEALS量表的构建效果是可以接受的。为了验证其内容，我们提出了3个假设，这些假设已被证明是正确的。第一个假设得到了验证，即用户特征(年龄、性别和健康状况)与电子卫生素养水平之间没有联系。我们发现F-eHEALS评分与样本的社会人口学特征之间没有显著相关性。这些结果与其他有关性别的研究结果一致[44，47]和健康结果[44]。我们的第二个假设，即卫生知识普及和电子卫生知识普及之间存在联系，得到了验证。此外，使用HLS-EU-Q16测量的健康素养评分与F-eHEALS评分呈正相关。这些结果与其他研究的结果一致[38，45，48，49]。我们的第三个假设，即期望患者的健康激活水平与电子健康素养水平之间存在联系，得到了验证。使用PAM-13测量的患者健康激活评分与F-eHEALS评分呈正相关且中度相关，这与Lee等人的研究一致[51]。

限制

本研究有一定的局限性。首先，就影响电子卫生素养的重要因素而言，我们的样本非常同质，因为出于实际原因，它完全由年轻成年学生组成。此外，该量表适用于不同类别的个人，如老年人[40]、青壮年[41]、护生[42]，以及青少年[43]。因此，该量表应在后续研究中对更有代表性的法语人群样本进行验证。其次，PAM-13量表仅得到部分验证。只进行了内部一致性和时间稳定性分析[58]。更完整的验证是必要的。同样，应进行验证性因素分析。第三，由于F-eHEALS是一个2D量表，我们建议分别对两个分量表进行评分，并测量总体评分，如本研究所做的那样。第四，法国科学文献在卫生知识普及方面相对匮乏。我们的比较是在各种文化和语言的基础上进行的。我们希望量表的翻译，如F-eHEALS，将促进该领域的研究。第五，eHEALS、HLS-EU-Q16和PAM-13是主观评估[38]，因为电子卫生知识普及水平由受访者自行报告，可能被高估或低估。因此，澄清主观评估和客观评估之间的联系以更好地理解这些测试的误差范围将是有趣的。

最近，由于社交网络、论坛等交互式应用程序的发展(健康2.0)帮助人们交流他们的健康，电子健康素养需要被视为一种更广泛的技能[35]。以架起数字鸿沟在美国，使用衡量各种电子卫生素养的工具将非常重要。即使eHEALS与DHLI密切相关[21]，考虑到交互的这些方面，我们鼓励讲法语的研究人员将与这些新形式的交互相关的新项目集成到eHEALS中，或翻译和验证DHLI [21]以衡量电子卫生素养的可变性，包括健康2.0的能力，并使法语社区在这一领域迎头赶上。

结论

出于实际原因，这项研究是在年轻成年学生中进行的，这使我们能够提出第一个电子健康素养量表，该量表在法语社区的保真度和F-eHEALS的有效性方面得到验证。这种二维尺度将需要推广到法语环境中的其他人群。最后，应在本研究的基础上考虑一个考虑交互式应用的版本(即健康2.0和DHLI量表)。这种规模的价值似乎更有意义，因为电子保健的需求从未像近年来那样大，而且在未来可能会更大，特别是由于电子保健技术的使用越来越多。我们希望这项研究将使其他作者能够在法国背景下开展电子卫生扫盲领域的研究。