台湾2型糖尿病患者移动电子健康素养、糖尿病自我护理与血糖结局的关系:横断面研究

简介

数字时代的糖尿病人群

糖尿病患者生活压力很大，需要大量的自我照顾。到2035年，全球超过十分之一的成年人将有患糖尿病的风险[1］．对于这种改变生活的疾病，这一人群必须不断获取和处理健康信息来应对。今天，传播卫生信息的一个流行选择是通过信息技术，通过移动设备和个人电脑访问网站[2］．根据台湾网络资讯中心的数据，2019年，台湾个人互联网使用率和移动互联网使用率分别为88%和85.2% [3.］．问题是，台湾糖尿病患者是转向在线环境获取健康信息，还是使用移动健康应用程序。因此，理解这一问题至关重要，因为学者们指出，eHealth和mHealth工具可以成功地支持患者的自我保健[4-7］．

电子健康和移动健康技术

信息技术的最新进展可以增强患者的自我护理和优化患者的治疗结果。其中一项进步是电子保健，其定义是通过电子技术提供保健服务和信息[8］．为了类似的目的，已经广泛开发了几个门户网站，主要是为了优化患者的结果[4，6］．先前的综述总结了电子健康计划在以下方面的有效性:更好的自我管理行为，坚持药物治疗和特定的饮食建议，增加体育活动[4]，以及成本效益[9］．显然，电子医疗技术在促进患者预后方面具有巨大潜力。

移动技术是电子医疗的重要补充，在支持患者自我护理方面也具有巨大潜力。移动医疗的特点是专注于各种医疗保健服务的移动电信，以及为医疗目的实施智能手机应用程序[10-12］．文献显示，移动健康技术可用于记录药物、血糖监测和健康食物摄入，以优化血糖控制[即降低糖化血红蛋白(HbA_{1 c})] [7，13]，并最终预防糖尿病并发症[13］．

“移动电子医疗”一词可全面同时指移动医疗和电子医疗[14，15]，在未来提供持续护理方面，这两种技术结合在一起比单独使用这两种技术更有潜力。因此，一些研究人员努力增加移动电子健康设计和开发的证据基础[16，17］．不幸的是，这些宝贵的资源只有在患者能够充分利用的情况下才能发挥作用。研究表明，一些障碍仍然存在，例如有限的用户粘性[18-20.]和技术问题[12，13］．一项研究[21研究人员对101款应用程序进行了调查，发现大多数健康应用程序都没有遵守美国医学研究所(Institute of Medicine)发布的“健康教育”(mHealth-literate)设计策略指导方针。由于这些问题，患者并没有广泛接受移动健康应用程序，尽管它们有很大的前景。

电子卫生和移动卫生知识普及

为了克服这些采用障碍，在规划这些创新时应认识到并解决电子卫生和移动卫生知识普及问题。电子卫生素养可被视为卫生素养的延伸，即获取、处理和理解卫生信息的能力[22］．尽管电子健康素养(eHL)的概念几乎类似于健康素养，但eHL强调的是电子健康信息，而不是传统的信息源(如小册子和打印的病人手册)。在网上寻找相关信息并判断其可信度超出了传统的卫生扫盲措施[22，23］．因此，eHL反映了利用信息技术促进卫生的内在复杂性。电子卫生素养量表能更好地反映这些技能[22，24-26］．

另一种相对较新的素养，移动健康素养(mHL)，通常被视为在处理或解决健康问题时，采用移动设备搜索、查找、理解、评估和应用健康信息的能力[27］．虽然mHL的广义定义似乎与eHL的概念相当相似，但对eHealth素养的评估不能完全代表mHL维度。更准确地说，eHL不包括访问移动健康应用程序、从应用程序商店下载和注册这些应用程序的功能。在移动健康领域，移动健康读写应该是一种读写功能，使人们能够正确操作移动健康应用程序。遗憾的是，目前的mHL量表只强调移动设备上的健康信息检索和健康信息评价。因此，本研究提出了一个移动电子健康素养量表，通过添加一个新的mHL项目子量表，该量表由Norman和Skinner的eHL量表修改而来[22］．

eHL和mHL(移动eHL)面临的一个基本挑战是需要发现不同人群如何使用移动电子健康技术获取健康信息。移动eHL水平较低的糖尿病患者可能无法理解或无法访问电子健康信息和移动健康应用程序[28］．迄今为止，关于eHL和mHL联合测量的研究很少。糖尿病患者等弱势患者的卫生保健提供者非常关注这种数据的缺乏，他们应该寻求可靠的信息和有用的自我保健工具[2，15，20.，23］．

移动电子健康素养与患者预后的关系

现在有大量的文献研究了卫生知识普及对疾病状况的影响。研究人员注意到健康素养与健康结果(即卫生服务的利用、患者-提供者互动和自我保健)之间存在因果机制[29］．他们已经确定了重要的途径，并强调了患者自我护理所涉及的复杂性。其他研究[30.，31]展示了健康素养、患者特征、自我护理和健康结果的逻辑关联结构。学者(31]表明健康知识普及、电子健康知识普及和自评健康之间的关联证据不足。类似地，另外两项系统综述提供了一组全面的变量，以确定健康素养技能、患者特征和与临床结果相关的风险因素。总之，这些基础研究在文献分析的基础上提供了对卫生素养的初步了解，但缺乏实证证实。

随后的研究试图用实证结果来证实这些模型。例如，一项横断面研究验证了一个模型，该模型描述了健康素养如何有助于慢性疾病患者的身体活动和自评健康状况[32］．其他研究表明，高健康素养有间接的积极影响，可以间接促进糖尿病自我护理和改善血糖控制[33］．简而言之，卫生素养与慢性疾病的健康结果呈正相关。

传统健康素养调节行为的能力的证据已经很好地确立，但在移动电子健康领域的这种证据仍然有限。如Kim和Xie所述[23]，缺乏新的卫生素养筛查工具，以确定使用电子卫生和移动卫生服务的适当能力。Schulz等人的中介分析[25]发现电子卫生素养与卫生系统利用的相关性较弱，尽管健康素养的前提类似于电子卫生素养。此外，低电子健康素养与慢性肺部疾病患者生活质量较差有关[34］．另一个研究小组发现，患有心脏病或糖尿病的移动健康应用程序用户的eHL水平更高。35］．这些研究提供了关于eHL的有价值的见解，但忽视了对移动卫生素养的关注。

综上所述，健康素养尚未被证明能够准确地满足严重依赖互联网和移动技术的糖尿病患者的需求。eHL测量方法[22，34只是反映了互联网的使用情况，而没有特别涵盖移动应用程序。此外，eHL指标也受到了质疑，因为它只反映了个人对在线任务的感知表现，而没有必要的客观报告[31，36］．研究人员建议，未来的研究以准确反映人们的eHL的方式来衡量他们的互联网操作技能[6，36，37］．在这项研究中，自主开发的mHL问题和eHL项目将结合起来，以充实移动电子健康素养的范围;然后将通过评估计算机、移动和互联网能力的知识和技能来进行交叉验证。

这项研究是迄今为止为数不多的探索移动eHL与糖尿病预后(即自我护理行为和血糖控制)之间联系的研究之一。由于各种移动电子健康项目对管理慢性病特别有吸引力[6，13，16，18，38]，认识到患者文化水平与慢性疾病预后之间的关系将带来深远的好处。因此，确定将eHL与糖尿病的行为和临床结果联系起来的因素可以有助于未来的设计项目。

客观的

本研究旨在提供关于在线信息搜索行为和移动健康应用程序使用的数据，分析糖尿病患者的电子健康和移动健康素养水平，并充实eHL、mHL与健康结果(自我护理行为、自我评估健康状况和HbA)之间的关系_{1 c})．

本文检验了以下4个假设:假设1认为较高的移动eHL与(1)更多的计算机、互联网和移动技术知识和技能有关;(2)自我照顾行为增加;(3)自我评价健康状况更好;(4)低HbA卡_{1 c}．假设2假设较高的计算机、互联网和移动技术知识和技能与(1)增加的自我照顾行为，(2)更好的自我评估健康，(3)和较低的HbA相关_{1 c}．假设3假设自我照顾行为的增加与较低的HbA相关_{1 c}，假设4假设更好的自评健康与较低的HbA相关_{1 c}．

方法

招聘及参加者

这项研究采用了横断面调查。自填问卷在2017年1月16日至2017年12月15日的12个月内完成。潜在参与者由台湾3家医院的内分泌科医生或糖尿病教育工作者推荐。纳入标准包括(1)年龄20-65岁，(2)有基本的读写能力，(3)无视力缺陷，(4)愿意参与研究。如果受试者有严重的视力丧失、沟通障碍，或者有酗酒或滥用药物的问题，他们就会被排除在外。

从内分泌代谢门诊招募262例患者。符合条件的患者在安全、私密、安全的门诊部候诊室接受采访。我们的研究人员向每位参与者介绍了研究过程，包括研究目的、方法、完成问卷所需的时间，以及收集数据后将如何使用。然后对患者进行问卷调查和技能表现测试，并获得价值50新台币(1.5美元)的礼品卡作为完成调查的激励。

道德

本研究由目标医院的机构审查委员会(irb# 17MMHIS003e和CGH-OP105003)批准，并根据consortium - ehealth(电子和移动医疗应用和在线远程医疗报告试验综合标准)指南(多媒体附件1) [39］．所有受访者都被告知参与是自愿的，他们可以在任何时候毫无理由地离开，他们选择参加不会影响他们的护理。所有选择参与的人都给出了书面同意。

测量

人口统计资料

人口统计项目包括年龄、性别、教育程度、健康状况、糖尿病病程、使用手机和互联网的经验以及在线健康信息搜索习惯。其他措施包括经过验证的移动电子卫生素养以及移动应用程序和互联网使用的知识和技能。作为因变量的健康结果包括自评健康状况、糖尿病自我护理行为和HbA_{1 c}．

移动电子健康素养调查问卷

流动电子健康知识普及问卷(多媒体附件2)，由三部分组成:(1)现有的比额表[22]以及在电子卫生素养(8项)、(2)移动卫生素养(8项)和(3)移动电子卫生偏好(4项)方面自行制定的措施。首先，使用诺曼和斯金纳的eHEALS(电子健康素养量表)检验电子健康素养[22来衡量使用互联网获取健康信息和决策的感知技能和舒适度。因子效度和内部一致性(Cronbach alpha=.94)被报告。

其次，我们课题组使用了现有文献[10，15]通过修改Norman和Skinner的eHEALS，自行开发移动健康素养问卷[22］．问卷中纳入移动技能，以全面衡量通过移动技术使用互联网资源的各个方面[12］．这一部分询问关于自我管理移动健康应用的感知技能问题。两个分量表中的每一项都采用李克特5分制评分，其中1=强烈反对和5 =强烈同意．得分越高，说明移动健康素养越高。

第三，移动eHealth偏好由eHEALS修改[22并询问了每个人对移动医疗和电子医疗技术的看法。一个示例项目是“能够在互联网上访问医疗资源对您来说有多重要?”

问卷3个分量表的内容效度指标由台湾3所医院和2所大学的6名资深专家(2名代谢医师、2名营养师和2名健康信息学教授)完成。每个条目的相关性、清晰度和简洁性使用内容有效性指数进行评估。所有单项得分都在3.5以上(满分4分)。项目级别得分为3或4表示内容效度可接受[40］．面部有效性测试由3名糖尿病患者自愿参与。eHL、mHL和移动eHL偏好评分的Cronbach alpha分别为.927、.927和.847。

移动技术和互联网知识和技能

知识和技能问卷调查了电脑、互联网和移动应用程序的使用情况，修改自谢的研究[37］．本问卷旨在弥补eHL测量方法的缺点，该方法仅反映人们在在线任务中的感知表现，缺乏客观的测量方法[36］．与知识相关的测试有15个项目，如果回答正确，每个项目都是1分，如果回答错误，则是0分。一个例子是，“试着找到一个表示下载应用程序的地方的象形图。”

第二个与技能相关的测试有10个项目。每项操作得当得分1分，操作不当得分0分;例如，“请尝试打开浏览器并连接到健康网站”和“请尝试在移动设备上下载并使用糖尿病应用程序”。知识和技能测试的库德-理查德森公式20 (KR-20)信度分别为0.928和0.923。面部有效性测试由3名糖尿病患者自愿参与。

自我评估健康

Hornby-Turner等人自评健康状况[41通过要求受试者回答3个问题来衡量;例如，“你如何描述你的总体健康状况?”回答分数从1=很好3 =可怜的．得分越高，健康状况越好。

糖尿病自我照顾行为问卷

Parchman等人编制的36项糖尿病自我照顾行为问卷[42评估患者遵循推荐的自我护理活动的程度。例如，受试者被问及他们在一个典型的星期内遵守推荐的日常饮食的频率。行为是用5分制来衡量的:0=从来没有, 1 =每周1-3次, 2 =每周4-5次3 =每周5次以上4 =总是．得分越高表明自我照顾行为越频繁。

糖化血红蛋白(HbA_{1 c}）

糖化血红蛋白(HbA_{1 c})是血糖控制的关键指标，能够反映3个月的平均血糖。研究对象的糖化血红蛋白数据通过查阅入组期间的电子病历收集。HbA卡的最佳范围_{1 c}低于7.0 mg/dL更高级别的HbA卡_{1 c}表明血糖控制不良，与较高的血管并发症和死亡风险相关[43］．

数据分析

采用SPSS统计软件包(version 22.0;IBM公司)。数据分析包括描述性统计分析和探索性统计分析。皮尔逊相关性评估了自变量和相关分数之间的关系。进行了结构方程模型(SEM)来测试所提出模型的结构以及潜在结构和可观察变量之间的相互关系。

结果

响应率和描述性统计

表1介绍患者的人口学特征。在262名参与者中，有23人因数据不完整而被排除，249人符合最终分析条件。平均年龄44.58岁(SD 11.02;范围20-65)年。在249名参与者中，男性164名(65.9%)，女性85名(34.1%)，60%(150/249)具有大专以上的教育程度。2型糖尿病的平均病程为6.14 (SD 5.6;范围0-26年)，45.7%(112/249)的参与者的糖尿病病程为1 - 5年。在249名受试者中，45.8%(115/249)的受试者报告其健康状况尚可。平均HbA卡_{1 c}结果为7.96 (SD 1.89;范围5.3-15.2)mg/dL, 63.1%(157/249)的受试者超过7 mg/dL。

电子健康、移动健康技术的使用和健康结果

表2介绍描述性统计。参与者被问及他们使用健康信息技术的经验，包括通过互联网查找糖尿病信息和使用智能设备。在249名参与者中，68%(164/249)报告他们在网上搜索过糖尿病信息。当被问及他们拥有的信息技术工具时，249名参与者中有239人拥有智能手机，171人拥有电脑，89人拥有平板电脑。关于他们在过去30天内每天使用智能设备和健康应用程序的情况，拥有智能手机的参与者(平均拥有6.5年)平均每天使用智能手机4.5小时(SD 3.8)，而拥有平板电脑的参与者平均每天使用智能手机2.2小时(SD 2.6)。只有1.6%(4/249)的受访者使用健康应用程序。

表3提出了自评健康、自我护理行为、eHL、mHL、移动eHL偏好、计算机、互联网和移动技术的知识和技能的均值、标准差和Cronbach alpha值。大多数测量显示出良好的可靠性(>0.8)，自评健康状况显示中等可靠性(0.546)。总体eHL得分平均为30.16 (SD 5.41) (8 - 40)， mHL得分平均为28.86 (SD 6.27)(8 - 40)，移动eHL偏好平均为14.65 (SD 2.57)(4 - 20)。平均自评健康得分为6.70 (SD 1.77)，平均自我照顾行为得分为79.30 (SD 26.05)。

关联与探索性结构方程模型分析

变量之间的二元关系示于多媒体．移动eHL的3个子量表是中度到高度相关的(eHL和mHL，r= 0.764,P <措施;eHL和移动eHL偏好，r= 0.577,P <措施;mHL和移动eHL偏好, r= 0.515,P<措施)。移动eHL与自我护理行为之间的相关性显著(eHL，r= 0.157,P= .013;mHL,r= 0.188,P= .003;移动eHL偏好, r= 0.211,P<措施)。计算机、互联网和移动技术的知识和技能也与移动eHL显著相关(ρ=0.231 ~ 0.466，P<措施)。然而，eHL和mHL读写能力分数与年龄呈显著负相关(eHL、mHL、eHL、r= -0.380,P<措施;mHL,r= -0.398,P =.036)和糖尿病病程(eHL，r= -0.159,P= .013;mHL,r= -0.135,P<措施)。自我照顾行为与每天使用智能手机的时间呈负相关(r= -0.139,P =.033)，但与HbA无关_{1 c}或者自我评估的健康状况。长时间使用智能手机的参与者可能会有较差的自我照顾行为。自评健康与HbA呈显著负相关_{1 c}（r= -0.290,P<措施)。反过来，研究结果显示，自我评价的健康水平越高，HbA卡越低_{1 c}的水平。

采用扫描电镜方法探讨变量之间的结构关系。移动eHealth素养是一个依赖的潜在变量，通过独立的潜在变量(包括eHL、mHL和移动eHL偏好)进行评估。初始结构模型示于图1．第一个模型过于复杂，没有达到令人满意的配合。图2给出了修改部分路径后的剪枝模型。在此基础上，提出了一种基于相互影响的知识和技能与移动eHL之间的关系。改进后的模型具有足够的拟合优度指标:χ²₈₃= 149.572,P<措施;比较拟合指数(CFI)=0.925;近似均方根(RMSEA)=0.057 (90% CI 004-006);χ²/df= 1.082。移动eHL通过知识和技能变量对自评健康有微弱的间接影响。自评健康评分对HbA有显著的直接影响_{1 c}．然而，结果显示，移动eHL在HbA上的直接影响不显著_{1 c}以及自评健康状况，以及该领域路径的低于预期的系数。

‎ 查看此图

‎ 查看此图

讨论

主要研究结果

首先，本研究对移动eHL和健康信息技术的使用进行了调查。大多数受访者以前在网上搜索过糖尿病信息，但只有少数受访者使用过健康应用程序。影响移动eHL的人口统计学因素包括年龄、教育程度和2型糖尿病病程。其次，本研究进一步研究了移动eHL与健康结果之间的联系。移动eHL与自我护理行为以及计算机、互联网和网络移动技术的知识和技能相关，但仅对自评健康有微弱的间接影响。这凸显了移动eHL作为接受卫生信息技术能力的关键指标的价值。最后，具有较高移动eHL的参与者更有可能实现有效的自我照顾行为。

电子健康和移动健康技术的使用

受访者称，他们使用智能手机的平均时间为6.5年，平均每天使用4.5小时。与以往调查结果一致[5，28]，我们的研究结果表明，超过60%的参与者在互联网上搜索过糖尿病相关信息，但只有非常小的一部分之前使用过健康应用程序。参与者受教育程度高，60%的参与者至少拥有大专以上学历;参与者还表示对使用移动电子医疗技术有一定的信心。然而，在这项研究中，智能手机的使用率(96%)和移动健康应用程序的使用率(1.6%)之间的比较似乎存在相当大的差异。换句话说，移动eHL的结果似乎与他们的实际经验不同步。有可能参与者不熟悉当前的健康应用程序。张等人进行的一项全国性调查[28发现糖尿病应用的知晓率为29.94%，使用率为15.44%。另一项研究还指出，许多患者不知道移动健康应用程序[18］．这些发现表明，未来的糖尿病人群应该了解可用的移动健康应用程序。

结果显示，受教育程度较高的参与者移动电子健康素养水平较高，但2型糖尿病病程与移动电子健康素养呈反比关系。这些发现也与James和Harville的报告一致。5］．先前的研究发现[11，18，44患者在使用糖尿病应用程序时遇到了基本的计算机障碍和感知障碍。为了进一步识别这些潜在的障碍，本研究中提出的移动eHL测量可作为额外的筛查工具，作为识别在使用健康信息和移动健康应用程序方面最需要支持的患者的强大代理。

最重要的是，糖尿病患者可能需要一个明确的参考来下载和使用哪些应用程序;这种参考可以来自糖尿病患者和医疗保健提供者。虽然大多数人每天都使用移动应用程序，但这并不一定意味着他们可以使用移动健康应用程序来处理糖尿病。例如，在大多数糖尿病应用程序中输入血糖数据需要完成几个步骤，包括基本的注册，包括电子邮件地址、个人体重、身高、社会安全号码、密码等。如果临床从业人员负责移动电子卫生教育，这些数字访问和识字率差异问题可能会减少。此外，有几种方法可能会促进移动健康应用程序的参与度;例如，社交网络应用策略(如WhatsApp、Line或微信)可以应用于移动健康应用程序，以提高其受欢迎程度和有效性。此外，研究人员可能会考虑社会人口因素，如教育和年龄，这些因素可能会以不同的方式影响人们对移动电子健康技术的接受程度。

移动电子健康素养与患者预后关系的SEM分析

对假设的检验表明，移动电子健康素养与自我保健行为之间存在正相关关系。我们的结果不能与之前关于eHL模型的研究直接比较[16，24，25]因为他们的结果不包括移动健康应用的使用情况。mHL的测量相对较少，其证据在这一领域正在积累。

假设1，即较高的流动性eHL与知识和技能以及自我照顾行为的增加呈正相关，得到了支持。结果表明，较高的移动eHL仅与较好的自评健康状态有间接联系。类似地，舒尔茨等人[25]发现eHL与健康信息查询行为直接相关，与医疗保健系统利用仅间接相关。至关重要的是，移动电子健康素养和自我保健行为之间的连锁关系可以揭示自我保健实践。简而言之，移动eHL可能会影响糖尿病人群的行为反应。

从统计学角度来说，不能假设更高的移动eHL会减少HbA_{1 c}在这项研究中。基于横断面数据的电子卫生素养与健康结果之间的联系研究[25，31，45的结果好坏参半。另一个类似的概念，健康素养，对健康结果没有直接或间接的影响(糖尿病知识和血糖控制);它只通过与社会支持的联系产生间接影响。27］．最近一项关于慢性疾病的研究表明，电子健康素养与疾病相关的自我保健行为相关[45］．纵向设计将提供一个机会，以确定在这种情况下需要提供更多的证据。

假设2正好相反。计算机、互联网和移动技术的知识和技能与自我照顾行为呈负相关。多媒体花更多时间在智能手机上与糟糕的自我照顾行为显著相关。不幸的是，目前还没有类似的研究来与这一意想不到的结果进行比较，即具有较高科技知识和技能的糖尿病患者往往表现出更少的自我照顾行为。一种可能的解释是，那些对计算机、互联网和网络移动技术拥有更高技能和知识的人可能更沉迷于外向型技术，这反过来导致他们对自我护理活动的关注较少。需要进一步的研究来解决这种可能性。

不出所料，自评健康状态与血糖控制之间的关系表明，较高的感知健康状态与较低的HbA相关_{1 c}．然而,HbA_{1 c}不能通过自我照顾行为来预测。我们的结果与之前的行为-结果研究不一致[32］．心理动力学变量和行为变量之间的联系是复杂的，也许是因为HbA_{1 c}是3个月的平均血糖水平，这是一个比其他测量变量长得多的时间框架。需要更多的研究来阐明关系模型之间的潜在因素，比如增加时间的考虑。

双变量相关结果比SEM模型的结果显示出更显著的相关性。我们的结果与学者一致[46]，他们报告了SEM模型的相关系数和通径系数之间的差异。根据跟踪规则[46]，任何变量对之间的相关性等于每个跟踪的路径或相关性的乘积的和。因此，当存在弱关系或负关系时，我们的层次模型中变量的显著性水平就会降低。贝尼特斯等人[47]得出结论，无论进行验证性研究还是解释性研究，评估所有路径系数及其显著性都是必不可少的。

限制

本研究的一个可能的局限性是成人受试者来自台湾医院的门诊。因此，研究结果可能不能推广到其他糖尿病人群。其他限制包括自我报告和横断面设计，后者排除了因果关系的推断。第三，参与者的选择不是随机的。最后，本研究没有分析SEM模型中被认为可以解释移动电子健康素养与健康结果之间关系的其他因素的信息。

尽管存在上述局限性，但本研究提供了一些有意义的结果。虽然有些路径没有显示这些变量之间的相关性，但它们确实对整个模型有影响。对互联网使用的许多方面进行了检查，提供了关于糖尿病患者对计算机和互联网的经验、观点和态度的新信息。此外，首次对糖尿病患者移动电子健康素养的影响因素进行了描述和比较。这为糖尿病人群的电子健康素养和移动健康应用程序体验提供了有价值的见解。

智能健康技术可以改善疾病状况。评估移动电子卫生素养有助于确定糖尿病患者在知识和技能方面的差距。大多数糖尿病患者不太可能使用移动健康应用程序，他们的移动电子健康素养被发现是中等水平。这是一个很大的群体，在提高他们的读写能力后，他们可能会使用糖尿病应用程序。他们的电子健康知识水平一般。进一步的研究应确定更多调节移动电子卫生素养与医疗保健结果之间关系的变量。

影响

这项研究对知识体系的主要贡献是它增强了移动电子健康素养模型，以了解糖尿病预后的关系。这项研究强调了卫生专业人员意识到这种素养的重要性，以便他们能够适当地为患者量身定制干预措施。提供者还可以作为支持的教育来源，以提高患者与健康相关的互联网使用能力，并将互联网上的适当健康信息与慢性病患者的需求相匹配。如果不包括卫生保健提供者的支持，使用卫生信息技术为慢性疾病自我管理提供信息的价值可能有限。

移动移动健康扫盲调查工具应集成到慢性保健服务中，使卫生保健提供者能够衡量糖尿病技术的实施情况。这些知识将有助于建立一个更全面的移动电子卫生扫盲分析框架的概念。