这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR护理杂志上的原创作品。必须包括完整的书目信息,https://nursing.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
数字卫生素养是指利用信息和通信技术来支持卫生和卫生保健。数字卫生素养变得越来越重要,因为在COVID-19等大流行期间,人们会继续从各种网络资源,尤其是社交媒体上寻求医疗建议。
该研究旨在评估2021年埃塞俄比亚西南部卫生专业人员的数字健康素养水平和相关因素。
2021年1月至4月在埃塞俄比亚进行了一项基于机构的横断面研究。采用简单随机抽样技术在卫生专业人员中选择423名研究参与者。采用SPSS (version 20)软件进行数据录入和分析。采用预先测试的自我管理问卷来收集所需的数据。采用多变量逻辑回归研究数字健康素养技能与相关因素之间的关系。显著值为95% CI和
共有401名研究对象参与了这项研究。总体而言,43.6% (n=176)的受访者拥有较高的数字卫生素养技能。高计算机知识(调整优势比[AOR] 4.43, 95% CI 2.34-5.67;
总体而言,不到一半的研究参与者具有较高的数字健康素养水平。高计算机素养、硕士及以上学位、经常使用互联网、感觉易于使用、收入15,000埃塞俄比亚比尔(283.68美元)、良好的数字健康素养知识、良好的态度和感觉有用性是研究中最重要的决定因素。具有较高的计算机素养、经常使用互联网、感知易用性、感知有用性、良好的态度以及较高的教育水平将有助于促进高水平的数字健康素养。
信息和通信技术(信通技术)通过促进健康、预防疾病和支持所有人的临床护理,大大减少了健康差距[
COVID-19等突发公共卫生事件需要最新的卫生信息,以预防和应对疾病,并保护社区免受长期的经济和社会影响。数字卫生是指利用新兴信息和通信技术(主要是互联网)改善健康,强调数字技术在促进卫生保健、卫生信息传递和存储以及卫生相关社会支持方面发挥的作用[
数字卫生素养包括6项基本技能(传统素养、卫生素养、信息素养、科学素养、媒体素养和计算机素养)[
埃塞俄比亚正处于努力加强其人口健康状况的关键时刻。由于埃塞俄比亚在实现与卫生有关的千年发展目标方面取得了进展,政府认识到,如果要实现孕产妇和儿童死亡率和传染病领域的指标,就必须加快这些进展。
甚至技术与医疗保健之间的互动也有很长的历史,因为有限的基础设施安排、能力和政治意愿,对数字医疗的接受是缓慢的[
文献描述,数字健康素养对促进健康的行为和人们的健康相关生活质量产生积极影响。数字健康素养还受到教育背景、寻求信息的动机、所使用的技术、互联网使用频率、计算机素养、数字健康培训、关于健康信息的可用性和重要性的知识、感知有用性、具有较高的互联网功效以及对使用基于网络的健康信息资源的态度的影响[
解决这些问题将对提高健康和保健服务质量产生实际好处。此外,评估卫生专业人员的数字卫生扫盲技能将使政府能够确定各种扫盲水平和阻碍因素,从而产生相应的适当应对措施。因此,本研究旨在评估在埃塞俄比亚Illubabor和Buno Bedele地区公共卫生设施工作的卫生专业人员的数字卫生素养技能和相关因素。
横断面研究于2021年1月至4月在埃塞俄比亚奥罗米亚州Illubabor和Buno Bedele地区的选定公立医院进行。目前,Illubabor地区有14个沃瑞达和1个行政镇。41个保健中心和2家医院(1家转诊医院和1家初级医院)。Mettu Karl转诊医院和Darimu医院为Illubabor地区提供初级和高级保健服务。布诺比德勒区有10个沃雷达和1个行政镇,以及3家医院,分别是布诺比德勒总医院、丹比医院和乔拉医院。这两个区域的卫生系统包括医院、保健中心和保健站。
来源人群为在两个区公立医院工作的所有卫生专业人员[
通过考虑以下假设,使用单一总体比例公式计算样本量。
因此,本研究共纳入423名参与者。
本研究自我管理的结构化问卷的设计和开发以文献综述为指导。问题改编自其他研究[
为了保证数据的质量,我们在与我们的研究环境人口相似的Jimma大学进行了预测,从总样本量中选取了10%的受访者。随后,根据前测结果完成必要的修正。根据专家意见确定问卷的效度,通过计算Cronbach α (.7) [
数据也每天由主管和调查员检查其一致性和完整性。
对数据收集者进行了为期2天的培训,内容包括研究目的、问卷内容以及在整个数据收集过程中应遵循的所有研究方案。为提高反应率,为每个数据收集者分配了卫生设施。监督员进行定期监督。执行数据备份活动,例如将数据存储在不同的地方,复制数据的硬副本和软副本,以防止数据丢失。在运行逻辑回归模型之前,检查了异常值、多重共线性和独立误差项的假设。以自变量为自变量进行假线性回归检验多重共线性,结果表明整个方差膨胀因子值小于3,公差大于0.7,说明不存在多重共线性[
我们使用模型系数的综合检验来检验模型的总体(全局)适应度,并使用Hosmer-Lemeshow检验来检验数据对模型的适应度。因此,综合测试结果与a显著
数据输入使用Epi Info(版本7;使用SPSS (version 20;IBM (IBM . o:行情)软件。频率和描述性统计用于描述受访者的特征。
采用二元logistic回归分析方法评估所选变量对数字健康素养的影响。变量具有
所有研究方法均按照相关指南和规定进行。所有实验方案均由Mettu大学伦理审查委员会批准(批准ARCSV/161/2013)。每个医院都收到了许可信。在解释了研究目的后,所有研究参与者都获得了知情同意。此外,所有数据收集者和调查人员都严格保证信息的隐私和机密性。检索到的信息仅用于研究。因此,参与者的姓名和其他个人标识符没有包括在数据收集工具中。
本研究共纳入401名研究对象。有效率为94.8%(401/423)。参与者的平均年龄为32.13岁(SD 11.2岁)。401名参与者中,217名(54.1%)年龄<30岁,248名(61.8%)为男性。近一半(n=206, 51.4%)的参与者月收入低于5000埃塞俄比亚比尔(< 94.56美元),只有35人(8.7%)的月收入在10,000-15,000埃塞俄比亚比尔(189.12-283.68美元)。学历方面,119人(54.6%)持有文凭,只有46人(11.5%)持有硕士及以上学位。此外,211名(52.6%)卫生专业人员的工作经验<5年,只有48名(12%)卫生专业人员的工作经验为10年。在参与者中,124名(30.9%)是护士,107名(26.7)是医生
卫生专业人员的社会人口学特征。
变量,类 | 参与者(N=401), N (%) | ||
|
|||
|
<30 | 217 (54.1) | |
|
- 39 | 94 (23.4) | |
|
40至49 | 49 (12.2) | |
|
> 49 | 41 (10.2) | |
|
|||
|
女 | 153 (38.2) | |
|
男性 | 248 (61.8) | |
|
|||
|
<5000 (< us $94.56) | 206 (51.4) | |
|
5000- 10000 (us $94.56-189.12) | 114 (28.4) | |
|
10,000-15,000 (us $189.12-283.68) | 35 (8.7) | |
|
>15,000 (> us $283.68) | 46 (11.5) | |
|
|||
|
文凭 | 219 (54.6) | |
|
学士学位 | 136 (33.9) | |
|
硕士及以上学历 | 46 (11.5) | |
|
|||
|
< 5 | 211 (52.6) | |
|
5 - 10 | 142 (35.4) | |
|
>10 | 48 (12) | |
|
|||
|
护士 | 124 (30.9) | |
|
医生 | 107 (26.7) | |
|
助产术 | 98 (24.4) | |
|
实验室工作人员 | 49 (12.2) | |
|
其他人 | 23日(5.7) |
数字健康素养得分中位数为27.4 (SD 8.3)。得分低于中位数为数字健康素养水平低,得分大于或等于中位数为数字健康素养水平高。从总数来看,43.6% (175/401;95% CI: 40.7-54.12)在大流行期间拥有很高的数字卫生素养技能。与
卫生专业人员的数字卫生素养水平问题(N=401)。
项目 | 非常不同意,n (%) | 不同意,n (%) | 中性,n (%) | 同意,n (%) | 非常同意,n (%) | ||||||
|
|||||||||||
|
互联网在帮助你对自己的健康做出决定方面很有用 | 123 (30.7) | 113 (28.2) | 48 (12) | 67 (16.7) | 50 (12.5) | |||||
|
互联网对你获取健康资源很重要 | 121 (30.2) | 115 (28.7) | 45 (11.2) | 71 (17.7) | 49 (12.2) | |||||
|
我知道互联网上有哪些与covid -19相关的卫生资源 | 43 (10.8) | 55 (13.8) | 81 (20.2) | 121 (30) | 101 (25.2) | |||||
|
我知道在网上哪里可以找到有用的健康资源 | 41 (10.2) | 47 (11.7) | 91 (22.7) | 119 (29.7) | 103 (25.7) | |||||
|
我知道如何在互联网上找到有用的COVID-19大流行资源 | 6 (1.4) | 56 (14) | 78 (19.5) | 181 (45.1) | 80 (20) | |||||
|
我知道如何使用互联网回答我关于COVID-19大流行的问题 | 4 (1) | 52 (13) | 75 (18.7) | 179 (44.6) | 91 (22.7) | |||||
|
我知道如何利用我在互联网上找到的关于COVID-19大流行的卫生信息来帮助我 | 8 (2) | 54 (13.5) | 70 (17.4) | 175 (43.6) | 94 (23.5) | |||||
|
我具备评估在互联网上找到的与covid -19相关资源所需的技能 | 11 (2.7) | 48 (12) | 69 (17.2) | 172 (42.9) | 101 (25.2) | |||||
|
我有信心利用互联网上的信息做出有关新冠肺炎的决策 | 8 (2) | 70 (17.5) | 54 (13.5) | 147 (36.6) | 122 (30.4) |
总体而言,401名受访者中,49.3% (n=198)表示使用互联网,203人(50.6%)表示从未使用过互联网。在198名互联网用户中,约有一半(n= 99.50%)每天上网或收发电子邮件。大多数卫生专业人员(304/401,75.8%)可以在家上网。
所有变量均输入二元逻辑回归模型。计算机素养、婚姻状况、教育状况、月收入、居住地、自我效能感、感知易用性、感知有用性、态度和知识以及互联网使用频率是双变量分析中与数字健康素养相关的显著因素。所有变量进入多变量逻辑回归模型。从多变量分析来看,计算机素养、教育状况、月收入、居住地、自我效能感、感知易用性、感知有用性、态度和知识以及互联网使用频率是与电子健康素养相关的显著因素。相应地,计算机素养高的人为4.43 (95% CI 2.34-5.67;
卫生专业人员数字卫生素养相关因素的双变量和多变量分析。
变量 | 数字素养水平,n | 天哪一个(95%置信区间) | 优势b(95%置信区间) |
|
||
高 | 低 | |||||
|
||||||
|
较高的计算机能力 | 84 | 88 | 5.10 (2.43 - -7.65) | 4.43 (2.34 - -5.67) | . 01 |
|
较低的计算机素养 | 190 | 39 | 1 | 1 | |
|
||||||
|
结婚了 | 211 | 98 | 1.40 (1.12 - -2.99) | 1.21 (0.98 - -2.31) | 07 |
|
没有结婚 | 69 | 23 | 1 | 1 | |
|
||||||
|
文凭 | 145 | 74 | 1 | 1 | |
|
学士学位 | 101 | 35 | 1.50 (1.21 - -3.4) | 1.49 (0.97 - -2.54) | 厚 |
|
硕士及以上学历 | 41 | 5 | 4.18 (2.51 - -6.54) | 3.42 (2.31 - -4.90) | 02 |
|
||||||
|
<5000 (< us $94.56) | 50 | 156 | 1 | 1 | |
|
5000- 10000 (us $94.56-189.12) | 56 | 58 | 3.01 (2.11 - -5.04) | 1.90 (0.96 - -4.11) | .09点 |
|
10,000-15,000 (us $189.12-283.68) | 19 | 16 | 3.70 (3.21 - -5.03) | 2.96 (2.55 - -4.04) | . 01 |
|
>15,000 (> us $283.68) | 34 | 12 | 8.84 (5.44 - -11.65) | 7.55 (6.43 - -9.44) | <措施 |
|
||||||
|
每周少于1天 | 55 | 101 | 1 | 1 | |
|
每周几天 | 67 | 48 | 2.56 (1.89 - -3.94) | 2.31 (1.76 - -3.88) | 03 |
|
每天 | 76 | 54 | 2.58 (1.81 - -3.81) | 4.00 (1.78 - -4.02) | 03 |
|
||||||
|
良好的知识 | 190 | 56 | 2.39 (1.51 - -4.80) | 2.22 (1.32 - -4.03) | .04点 |
|
可怜的知识 | 91 | 64 | 1 | 1 | |
|
||||||
|
良好的态度 | 210 | 56 | 3.38 (2.41 - -4.80) | 3.11 (2.11 - -4.32) | .04点 |
|
不利的态度 | 71 | 64 | 1 | 1 | |
|
||||||
|
容易 | 147 | 80 | 2.73 (1.51 - -4.74) | 2.65 (1.35 - -4.65) | .04点 |
|
不容易 | 70 | 104 | 1 | 1 | |
|
||||||
|
有用的 | 158 | 69 | 4.35 (2.76 - -6.89) | 3.43 (2.43 - -5.44) | 02 |
|
不是有用的 | 60 | 114 | 1 | 1 |
一个COR:粗优势比。
bAOR:调整的优势比。
本研究试图描述和评估卫生专业人员的数字健康素养及其重要因素。数字卫生素养是卫生专业人员获取最新卫生信息的主要障碍,特别是在突发公共卫生事件期间。总体而言,本研究的结果表明,数字卫生素养水平较低(43.6%;95% CI 40.7-54.12),与之前的研究结果一致[
相比之下,我们的发现高于在韩国进行的研究,韩国的数字健康素养为38.8% [
数字卫生素养水平与社会人口统计学、行为和技术因素相互关联。我们的发现表明,卫生专业人员的计算机素养水平与数字健康素养水平有直接关系。拥有高计算机素养水平的专业人员拥有较高数字健康素养的可能性是其他专业人员的4.43倍(95% CI 2.34-5.67),之前的一项研究支持了这一结果[
拥有硕士学位的专业人员拥有高水平数字卫生素养的可能性是仅持有文凭的卫生专业人员的3.42倍(95% CI 2.31-4.90)。这一发现得到了其他地方进行的研究的支持[
与先前在其他地方的发现相似[
每天使用互联网的卫生专业人员拥有数字健康能力的可能性是每周至少一天不使用互联网的人的4.00倍(95% CI 1.78-4.02)。这一发现与之前在不同地区进行的研究一致[
本研究结果表明,了解卫生信息源的卫生专业人员具有较高的数字卫生素养的可能性是知识缺乏的卫生专业人员的2.22倍(95% CI 1.32-4.03),这一结果得到了以往研究的支持[
态度良好的卫生专业人员拥有较高数字卫生素养的可能性是其他人的3.11倍(95% CI: 2.11, 4.32)。这一结果与之前的研究一致[
关于感知的易用性,本研究表明,认为使用数字健康工具很容易的卫生专业人员具有更高的数字健康素养水平的可能性是同行的2.65倍(95% CI 1.35-4.65)。这一发现可能是由于认为使用数字工具很容易的卫生专业人员在练习和建立读写能力时更有信心,而且已知的是,感知的易用性可能会影响卫生专业人员对数字卫生信息技术的接受程度[
认为数字工具有用的卫生专业人员的数字卫生素养高出3.43倍(95% CI 2.43-5.44)。这一发现与之前在埃塞俄比亚西北部的一项研究一致[
首先,该研究是一项基于设施的横断面研究,不能用于确定因果推断。第二,这项研究是在保健设施进行的,可能无法推广到该国所有行政部门。此外,这项研究未能包括在私人保健设施工作的保健专业人员。最后,我们建议在全国不同地区重复我们的研究,以确定电子卫生素养的水平,包括来自私立医院的卫生专业人员。
总体而言,不到一半的研究参与者具有较高的数字健康素养水平。高计算机素养、硕士及以上学位、频繁使用互联网、感知易用性、月收入15,000埃塞俄比亚比尔(283.68美元)、良好的数字健康知识、良好的态度和感知有用性是与数字健康素养技能相关的最决定性因素。具有较高的计算机素养、经常使用互联网、感知易用性、感知有用性、良好的态度和较高的教育水平将有助于提高数字健康素养水平。然而,该研究领域卫生专业人员的数字健康素养水平相对较低。因此,需要尝试填补卫生专业人员在数字卫生素养方面的差距,以帮助他们提高工作效率,并增强数字卫生与其日常任务的相关性。
调整优势比
信息和通信技术
作者要感谢梅图大学健康科学学院批准伦理许可,以及卫生设施和数据收集者、监督者和研究参与者。
在当前研究过程中生成和/或分析的数据集将在通信作者的合理要求下提供。
所有作者都对概念和设计、数据的获取或数据的分析和解释做出了重大贡献;参与文章的起草或对重要知识内容进行批判性修改;最后批准出版的版本;并同意对所有方面的工作负责。
没有宣布。