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公共卫生和监测上的原创作品。必须包括完整的书目信息,http://publichealth.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。
移民人口往往不成比例地受到慢性疾病的影响,如2型糖尿病(T2DM)。信息和通信技术(ICT)的使用是改善2型糖尿病患者自我护理以减轻社会健康不平等的一种有前途的方法,如果设计用于更广泛的人群。然而,特别是在欧洲国家,对移民群体用于自我保健的各种电子健康活动知之甚少。
针对挪威奥斯陆地区来自巴基斯坦的第一代移民目标群体,我们旨在了解他们在与移民相关的特定用户因素相关的2型糖尿病自我护理的各种电子健康活动:相关语言(乌尔都语、挪威语、英语)的熟练程度,在挪威的居住时间,与一般用户因素(年龄、性别、教育程度和数字技能,以及自我评估的健康状况)相比,2型糖尿病的诊断。
数据来自2015-2016年对目标人群(N=176)进行的调查。使用逻辑回归,我们分析了在过去12个月里,用户因素与以下每一项用于T2DM自我护理的电子健康活动的体验之间的关联:首先,通过(1)搜索引擎和(2)门户网站或电子邮件订阅寻求信息;二是交流和咨询(1)利用信息通信技术和(2)通过社交网络服务与少数熟人进行闭门交谈;第三,通过使用应用程序(1)跟踪健康信息和(2)自我评估健康状况来积极决策。使用泊松回归,我们还评估了用户因素与所经历的各种电子健康活动之间的关系。Bonferroni校正被用来解决多重测试问题。
回归分析得出以下显著正相关:乌尔都语读写能力与(1)门户网站或电子邮件订阅的信息搜索(优势比[or] 2.155, 95% CI 1.388-3.344),(2)社交网络服务的沟通和咨询(or 5.697, 95% CI 2.487-13.053),以及(3)多样性(估计=0.350,95% CI 0.148-0.552)之间;在挪威的居住时间与(1)使用ICT与少数熟人进行闭门交谈的交流和咨询(OR 1.728, 95% CI 1.193-2.503),(2)社交网络服务的交流和咨询(OR 2.098, 95% CI 1.265-3.480)和(3)多样性(估计=0.270,95% CI 0.117-0.424)之间的关系;通过使用应用程序进行健康状况自我评估,挪威语熟练程度与积极决策之间的关系(OR 2.285, 95% CI 1.294-4.036);教育和数字技能与通过使用跟踪健康信息的应用程序进行主动决策之间的关系(OR 3.930, 95% CI 1.627-9.492);女性与利用ICT与少数熟人进行封闭对话进行交流和咨询之间的差异(OR 2.883, 95% CI 1.335-6.227)。
这项研究表明,移民相关因素可能会混淆一般用户因素和电子健康活动之间的关联。在其他移民群体和国家,需要进一步研究移民相关用户因素对电子卫生活动的影响。
RR2-DOI 10.2196 / resprot.5468
移民潮使得许多欧洲国家在语言和文化上比以往任何时候都更加多样化,这对卫生系统构成了挑战。
然而,电子卫生内容往往是基于文本的,是为该国大多数人口设计的,从而加剧了而不是减少了社会卫生不平等[
在本文中,我们讨论了如何在一项探索性研究中做到这一点,该研究确定了在挪威奥斯陆地区来自巴基斯坦的第一代移民中使用电子健康进行2型糖尿病自我护理的差异。世界卫生组织将自我保健定义为"保持健康、预防和应付疾病" [
2018年初,第一代移民占挪威总人口的14.1% [
他们的主要语言是乌尔都语。乌尔都语用乌尔都字母书写,这与罗马字母不同[
挪威语是挪威的官方语言和主要语言。根据挪威统计局2016年对不同原籍国的第一代移民进行的调查,55%的巴基斯坦参与者自我报告挪威文化水平较高或非常高,而只有12%的参与者自我报告挪威文化水平较低或非常低[
没有发现人口中其他语言熟练程度的数据。然而,鉴于英语是eHealth内容在全球范围内使用最多的语言,英语熟练者可能比英语不熟练者在更大程度上使用eHealth进行2型糖尿病自我护理。
研究表明,糖尿病在挪威-巴基斯坦人中的患病率要高得多(女性:26.4%;男性:20.0%)高于挪威少数民族(女性:2.7%;男性:6.4%)[
在这项探索性研究中,我们研究了与年龄、性别、教育程度、数字技能或一般健康状况等类似研究中通常使用的一般用户因素相比,特定于这一目标群体的移民相关用户因素如何与他们在T2DM自我保健方面的多样化电子健康使用相关联。
这一目标群体与移民相关的用户因素包括精通相关语言(主要语言为乌尔都语读写能力;熟练掌握挪威语作为东道国语言;精通其他语言,如英语,因为英语是全球电子健康内容最常用的语言),在挪威居住的时间,诊断为2型糖尿病。在本文中,我们将它们称为“特定于目标群体的用户因素”。
这项研究是2015-2016年在奥斯陆地区对第一代巴基斯坦移民(N=176)进行的更大规模调查的一部分[
挪威社会科学数据服务于2015年6月对项目方案进行了伦理批准(项目编号:43549)。调查的详情已在别处记述[
自变量可以分为两类:目标群体特定变量和一般变量。针对目标群体的变量包括乌尔都语读写能力、挪威语熟练程度、其他语言熟练程度(每种语言)、在挪威居住的时间以及2型糖尿病的诊断。一般变量包括性别、年龄、对健康状况的自我评估以及以总年数表示的完成教育(巴基斯坦和挪威都是如此)。我们还将使用ICT衡量数字技能时寻求帮助的频率作为一般变量的一部分。
我们遵循类似移民健康研究的惯例,选择使用自我报告语言能力[
举报人将其在挪威居住的时间分为0至1年、1至5年、5至10年和10年以上。使用年份范围而非确切数字遵循类似研究的惯例[
年龄以年龄范围的中间年份表示,因为调查使用年龄范围而不是实际年龄,以避免通过调查问题的答案组合来识别举报人的风险。
通过多项选择题对健康状况进行自我评估,范围从差=0到优秀=5。使用信息通信技术时寻求帮助的频率是通过选择题给出的,选项从从不=0到总是=4。这个问题反映了数字技能的缺乏。详情见别处[
我们考虑的因变量与我们之前的研究中使用的相同[
使用逻辑回归评估每种类型的电子健康使用与前面描述的自变量之间的关系。对于作为计数变量的eHealth总使用量,我们使用泊松回归。
为了选择最佳回归模型,所有可能的包括和不包括自变量的组合都使用统计程序R中的最佳拟合方法进行评估。
我们之前的研究显示,“巴基斯坦和挪威的教育总年数”和“使用信息通信技术时寻求帮助的频率”这两个问题的得分有很强的相关性[
关于罗马乌尔都语和乌尔都语字母读写的问题都反映了乌尔都语的读写能力。使用标准化的Cronbach alpha,这四个问题的分数的内部一致性为。85。因此,我们将“乌尔都语读写能力”变量定义为这些变量的平均值。关于挪威语阅读、写作和口语问题的分数也显示出较高的内部一致性(Cronbach alpha=.92)。因此,我们也将“挪威语熟练度”变量定义为三个变量的平均值。
为了减少统计模型中需要估计的变量数量,并考虑到时间是一个连续变量,将居住年限的分类变量(0-1年、1-5年、5-10年和10年以上)分别设置为0.5年、3年、7.5年和15年,将其转换为连续变量。如果一个人在18岁或18岁以上移民,可以合理地预期居住时间长度的影响会随着时间的推移而减弱(例如,一个人在到达后的第一年比在到达后的第10年更了解挪威社会)。因此,除了在回归模型中直接使用居住长度外,我们还评估了两种转换:居住长度的平方根和对数。通过比较基于AIC的模型,对数变换得到了最佳模型,并用于分析。
总共使用了七个模型来得出结论。为了解决多重测试问题,本文采用bonferroni校正显著性值0.05/7=0.00714。
关于一般变量和因变量的数据对告密者的分布已在别处描述[
调查信息提供者的描述特征(N=176)。一个
变量 | 举报人,n (%) | ||
|
|
||
|
|
|
|
|
|
男性 | 42 (23.9) |
|
|
女 | 134 (76.1) |
|
|
|
|
|
|
1981 - 1990 | 54 (30.7) |
|
|
1971 - 1980 | 61 (34.7) |
|
|
1956 - 1970 | 61 (34.7) |
|
|
|
|
|
|
0年 | 14 (8.0) |
|
|
5年 | 13 (7.4) |
|
|
<十年 | 17 (9.7) |
|
|
< 12年 | 33 (18.8) |
|
|
< 14年 | 39 (22.2) |
|
|
≥14年 | 55 (31.3) |
|
|
|
|
|
|
优秀(5) | 11 (6.3) |
|
|
非常好(4) | 27日(15.3) |
|
|
好(3) | 70 (39.8) |
|
|
公平(2) | 37 (21.0) |
|
|
上上下下(1) | 19日(10.8) |
|
|
可怜的(0) | 12 (6.8) |
|
|
|
|
|
|
总是(4) | 18 (10.2) |
|
|
(3) | 26日(14.8) |
|
|
有时(2) | 51 (29.0) |
|
|
很少(1) | 12 (6.8) |
|
|
从来没有(0) | 68 (38.6) |
|
|
||
|
|
|
|
|
|
通过使用需要输入搜索词的搜索引擎 | 35 (19.9) |
|
|
在特定的网站上或通过电子邮件订阅,只需滚动和点击即可导航 | 63 (35.8) |
|
|
|
|
|
|
一般来说,通过使用信息通信技术与一些特定的熟人进行闭门交谈 | 84 (47.7) |
|
|
通过社交网络服务 | 58 (33.0) |
|
|
|
|
|
|
跟踪健康信息 | 25 (14.2) |
|
|
健康状况自我评估 | 38 (21.6) |
|
|
|
|
|
|
≥8 | 0 (0.0) |
|
|
7 | 2 (1.1) |
|
|
6 | 5 (2.8) |
|
|
5 | 7 (4.0) |
|
|
4 | 9 (5.1) |
|
|
3. | 28日(15.9) |
|
|
2 | 38 (21.6) |
|
|
1 | 46 (26.1) |
|
|
0 | 41 (23.3) |
一个这是我们之前研究中表4的复制[
b信息和通信技术。
cT2DM: 2型糖尿病。
关于对挪威语的信心水平,在这三种技能中,数字都集中在“既不”也不“同意”上。挪威语熟练程度得分平均为3.35(标准差为1.08)。
共有91名(51.7%)受访者表示,英语是他们有信心的另一种语言。阿拉伯语和旁遮普语分别由两名线人命名,这个数字太小,无法用于统计分析。因此,在进一步的统计分析中,我们将“English”的答案解释为“have English proficiency”。
大多数样本(123/176,69.9%)在挪威居住超过10年。样本中只有一名(0.6%)在挪威居住不到一年的举报人。共有27名(15.3%)被调查者回答他们被诊断为2型糖尿病。
调查信息提供者对目标群体特定用户因素的描述特征(N=176)。
用户因素 | 举报人,n (%) | ||
|
|
||
|
|
|
|
|
|
非常同意(5) | 147 (83.5) |
|
|
同意(4) | 15 (8.5) |
|
|
无论是(3) | 7 (4.0) |
|
|
不同意(2) | 2 (1.1) |
|
|
强烈不同意(1) | 5 (2.8) |
|
|
|
|
|
|
非常同意(5) | 137 (77.8) |
|
|
同意(4) | 15 (8.5) |
|
|
无论是(3) | 11 (6.3) |
|
|
不同意(2) | 3 (1.7) |
|
|
强烈不同意(1) | 10 (5.7) |
|
|
|
|
|
|
非常同意(5) | 95 (54.0) |
|
|
同意(4) | 28日(15.9) |
|
|
无论是(3) | 27日(15.3) |
|
|
不同意(2) | 6 (3.4) |
|
|
强烈不同意(1) | 20 (11.4) |
|
|
|
|
|
|
非常同意(5) | 94 (53.4) |
|
|
同意(4) | 22日(12.5) |
|
|
无论是(3) | 27日(15.3) |
|
|
不同意(2) | 9 (5.1) |
|
|
强烈不同意(1) | 24 (13.6) |
|
|
||
|
|
|
|
|
|
非常同意(5) | 26日(14.8) |
|
|
同意(4) | 71 (40.3) |
|
|
无论是(3) | 46 (26.1) |
|
|
不同意(2) | 24 (13.6) |
|
|
强烈不同意(1) | 9 (5.1) |
|
|
|
|
|
|
非常同意(5) | 22日(12.5) |
|
|
同意(4) | 53 (30.1) |
|
|
无论是(3) | 53 (30.1) |
|
|
不同意(2) | 33 (18.8) |
|
|
强烈不同意(1) | 15 (8.5) |
|
|
|
|
|
|
非常同意(5) | 28日(15.9) |
|
|
同意(4) | 49 (27.8) |
|
|
无论是(3) | 73 (41.5) |
|
|
不同意(2) | 18 (10.2) |
|
|
强烈不同意(1) | 8 (4.5) |
|
|
||
|
英语 | 91 (51.7) | |
|
旁遮普语 | 2 (1.1) | |
|
阿拉伯语 | 2 (1.1) | |
|
|
||
|
0 - 1年 | 1 (0.6) | |
|
1 - 5年 | 20 (11.4) | |
|
5 - 10年 | 32 (18.2) | |
|
10年以上 | 123 (69.9) | |
2型糖尿病 | 27日(15.3) |
对自变量之间的相关系数进行统计分析
变量 | 1 | 2 | 3. | 4 | 5 | 6 | 7 | 8 | 9 |
1.作为女性 | - - - - - -一个 |
|
|
|
|
|
|
|
|
2.年龄 | −.04点 |
|
|
|
|
|
|
|
|
3.健康状况自我评估 | −23)b | −收c |
|
|
|
|
|
|
|
4.挪威语水平 | −二十五分b | −.06点 | 口径。b |
|
|
|
|
|
|
5.2型糖尿病 | −.02点 | 收c | −.33c | −16d |
|
|
|
|
|
6.英语水平 | −二十五分b | −29c | 口径。b | 50c | −.19d |
|
|
|
|
7.教育和数字技能 | −。31c | −.37点c | 点c | 54c | −点c | 55c |
|
|
|
8.乌尔都语识字 | −.22b | −点c | 38c | .51c | −陈霞c | 53c | 尾数就c |
|
|
9.在挪威居住年限的对数 | .09点 | .59c | −。31c | 16d | .20b | −只要d | −29c | −.21b | - - - - - - |
一个不适用。
b
c
d
在保留语言相关变量的模型中,乌尔都语读写能力和挪威语熟练程度与使用不同类型的eHealth进行2型糖尿病自我护理呈正相关。乌尔都语读写能力与以下正相关:在特定网站或通过电子邮件订阅寻求有关T2DM自我护理的信息,通过社交网络进行有关T2DM自我护理的交流和咨询,以及与所经历的电子健康类型总数呈正相关。挪威语熟练程度与使用网络或移动应用程序进行健康自我评估正相关。英语水平与因变量之间既无正相关,也无负相关。
关于在挪威居住的年限,该值的对数与使用ICT与少数特定熟人进行闭门谈话的T2DM自我护理沟通和咨询呈正相关,并通过社交网络,以及与所经历的电子健康类型的总数呈正相关。是否被诊断为T2DM与任何因变量无关。
综合变量教育和数字技能似乎与使用网络或移动应用程序跟踪健康信息呈正相关。女性与使用ICT与少数特定熟人进行有关T2DM自我护理的封闭沟通和咨询呈正相关。年龄与各因变量无显著相关性。健康状况的自我评估在任何模式中都没有保留。
电子健康使用与用户因素之间的关联的Logistic回归分析。
因变量和自变量 | 优势比(95% CI) |
|
||
|
|
|
||
|
|
|
|
|
|
|
拦截 | 0.022 (0.002 - -0.209) | 措施 |
|
|
2型糖尿病b | 3.576 (1.301 - -9.832) | . 01 |
|
|
乌尔都语识字 | 1.649 (1.026 - -2.651) | .04点 |
|
|
|
||
|
|
拦截 | 0.019 (0.002 - -0.144) | <措施 |
|
|
乌尔都语识字 | 2.155 (1.388 - -3.344) | 措施 |
|
|
在挪威居住年限的对数 | 1.371 (0.966 - -1.947) | 。08 |
|
|
|
||
|
|
|||
|
|
拦截 | 0.396 (0.199 - -0.788) | .008 |
|
|
作为女性 | 2.883 (1.335 - -6.227) | .007 |
|
|
在挪威居住年限的对数 | 1.728 (1.193 - -2.503) | 04 |
|
|
|
|
|
|
|
拦截 | 0.002 (0 - 0.207) | .008 |
|
|
年龄 | 0.951 (0.903 - -1.001) | 06 |
|
|
英语熟练 | 0.379 (0.166 - -0.863) | 02 |
|
|
乌尔都语识字 | 5.697 (2.487 - -13.053) | <措施 |
|
|
在挪威居住年限的对数 | 2.098 (1.265 - -3.480) | 04 |
|
|
|
||
|
|
|
|
|
|
|
拦截 | 4.253 (0.256 - -70.507) | 。31 |
|
|
年龄 | 0.909 (0.844 - -0.979) | . 01 |
|
|
教育和数字技能 | 3.930 (1.627 - -9.492) | .002 |
|
|
在挪威居住年限的对数 | 1.753 (0.983 - -3.127) | 06 |
|
|
|
|
|
|
|
拦截 | 0.263 (0.023 - -2.951) | 陈霞 |
|
|
年龄 | 0.935 (0.887 - -0.985) | . 01 |
|
|
挪威语水平 | 2.285 (1.294 - -4.036) | 04 |
|
|
英语熟练 | 0.418 (0.154 - -1.139) | .09点 |
|
|
教育和数字技能 | 2.414 (1.104 - -5.28) | 03 |
一个bonferroni校正显著性值0.00714用于解释
bT2DM: 2型糖尿病。
泊松回归分析经验丰富的电子健康活动与用户因素之间的关系。
所经历的电子健康类型的总数(种类) | 估计(95%置信区间) |
|
拦截 | −0.158(−1.321,1.005) | .79 |
年龄 | −0.019(−0.035,−0.003) | 02 |
2型糖尿病b | 0.310(−0.012,0.633) | 06 |
英语熟练 | −0.209(−0.462,0.044) | 厚 |
教育和数字技能 | 0.181(−0.037,0.399) | .10 |
乌尔都语识字 | 0.350 (0.148, 0.552) | 措施 |
在挪威居住年限的对数 | 0.270 (0.117, 0.424) | 措施 |
一个bonferroni校正显著性值0.00714用于解释
bT2DM: 2型糖尿病。
本研究探讨了奥斯陆地区来自巴基斯坦的第一代移民在2型糖尿病自我护理中不同的电子健康使用情况,与两类用户因素相关:(1)目标群体特定用户因素,包括相关语言熟练程度、在东道国的居住时间和2型糖尿病诊断;(2)一般用户因素,包括教育水平、年龄、性别、健康状况自我评估和数字技能。多元回归分析的结果显示,在所有最终模型中,至少有一个目标群体特定变量仍然存在。此外,在大多数模型中,特定于目标群体的变量与电子保健的使用最密切相关。因此,在我们的调查样本中,与只包括一般用户因素相比,包含目标群体特定的用户因素产生了更好的拟合模型,预测用于不同目的的电子健康的使用。
乌尔都语识字率较高的被检举人比乌尔都语识字率较低的被检举人更有可能在门户网站上寻求相关信息或通过电子邮件订阅获取相关信息,使用SNS进行有关2型糖尿病自我护理的沟通和咨询,并使用更广泛的电子健康服务。对于这些类型的电子保健使用,挪威语熟练程度没有保留在最终模型中。使用母语作为寻找感兴趣的信息的首选可能是一种自然行为,只要用户期望或知道他们可以达到他们所需要的信息。社交网络通常被用来与已知的人保持在线联系和交流。因此,也有理由推测,举报人通过社交网络与他们在巴基斯坦的家人、朋友或其他对T2DM自我护理感兴趣的人交流。
作为2型糖尿病自我护理的一部分,挪威语水平与仅使用网络或移动应用程序进行健康自我评估呈正相关。有理由推测,能流利地说挪威语的举报人有更好的机会了解和使用以挪威语提供的此类服务,而且挪威电子保健服务对这类移民群体很有价值。结果留下了一个问题,为什么乌尔都语读写能力与使用这些电子保健服务没有关联。这里的含义可能是乌尔都语无法提供此类服务,或者尽管提供了这些服务,但举报人并不知道。因此,值得进一步调查的是,举报人是否曾试图在互联网上搜索或了解以乌尔都语提供的这种服务。鉴于挪威语熟练程度和乌尔都语读写能力与不同类型的电子保健活动相关的结果,也值得进一步调查他们从不同渠道获得的信息或建议的差异以及用户体验的差异。未来研究中要探讨的另一个有趣问题是,使用以挪威语提供的这种类型的电子保健服务是否能对挪威社会中少数民族人口的整体社会融合产生积极影响,反之亦然,以及健康行为。
大约一半的受访者回答说,他们对英语也有信心。然而,英语熟练程度与2型糖尿病自我护理的任何类型的电子健康使用无关。在样本中,很难推测英语熟练程度与使用eHealth进行T2DM自我护理之间不相关的原因。然而,这里的含义是,目标人群在2型糖尿病自我护理中使用的英语eHealth内容可能不如那些使用挪威语或乌尔都语的内容多。如导言中所述,只有有限数量的研究调查了移民人口的eHealth使用与语言熟练程度或类似情况之间的相关性[
在对数形式中,在挪威居住的年数与与少数熟人的密切沟通和社交网络的使用以及过去12个月经历的电子健康类型的总数呈正相关。这里的一种解释可能是,移民在挪威生活的时间越长,他们接触到的也有高风险或患有2型糖尿病的人就越多。此外,与挪威居住时间较短的人相比,他们可能更多地接触到电子保健的可能性,尽管这种影响可能不是线性的,因为电子保健的历史相对较短,需要通过控制用户的年龄来观察。其他关于美国移民使用电子健康的研究表明,居住时间长短对电子健康使用的影响不是单调增加的;与居住在东道国时间最短或最长的人群相比,中间部分人群的电子健康参与度最高[
尽管仍停留在使用搜索引擎寻找有关T2DM自我护理和经历的各种电子健康活动的相关信息的最终模型中,诊断为T2DM与任何类型的电子健康活动都没有显著相关性。调查的纳入标准之一是“对T2DM的自我护理有动机和能力”;因此,T2DM诊断本身可能不足以区分调查样本中用于T2DM自我护理的eHealth用户和非用户。任何模式都不保留对健康的自我评估。身体状况良好可能是使用电子健康进行自我保健的结果,而身体状况不好可能是使用电子健康进行自我保健的动机。因此,参与调查时的自我健康评估可能不是电子医疗在2型糖尿病自我护理中的良好指标。
该结果为研究较少的弱势用户群体之一的T2DM自我护理的不同电子健康活动的相关用户因素提供了有价值的见解。所得知识可用于指导为这一弱势群体设计、开发和传播电子卫生工具的进一步研究,以实现减少社会卫生不平等的目标。
尽管纳入标准为“有动机并有能力进行2型糖尿病自我护理活动”,但并非所有类型的电子健康活动在样本中都足够普遍。本研究结果表明,目标人群对电子健康活动存在一定的分歧。首先,那些挪威语熟练程度高的人,以及那些受过高等教育和拥有数字技能的人,分别更有可能使用应用程序进行自我健康评估和通过应用程序跟踪健康信息。第二,乌尔都语识字率高的人比乌尔都语识字率低的人更倾向于上网寻求与T2DM自我护理相关的信息和通过SNS进行交流。此外,近一半的样本使用ICT与特定的熟人进行闭门交谈,以咨询有关T2DM的问题,这与在挪威居住的较长时间密切相关。这意味着通过他们的社交网络传播可靠的健康信息或自我护理应用程序的重要性。关于移民人口使用电子保健的相关研究也支持目标人口网络的使用[
另一方面,翻译成英语似乎并不同样相关,因为对这一人群来说,尽管超过一半的样本显示对英语有信心,但英语熟练程度与使用电子健康没有关联。因此,为了通过电子卫生服务减少社会不平等,需要以挪威语和与社会卫生不平等高风险群体特别相关的少数民族语言提供这些服务。相关研究也概述了以本国语言提供易于阅读、文化上合适的健康信息的重要性[
我们在之前的研究中报告的调查样本和调查方法的局限性[
对于这个特殊的研究,我们应该注意以下几点。关于英语水平的数据是通过询问被调查者有信心使用的任何语言间接获得的。这种方法可能在一定程度上造成了对英语熟练程度有较高信心的举报人数量的低估,但不应造成高估。从回归分析的结果来看,即使高英语水平的被调查者数量在一定程度上增加,结果也不会有太大的变化。
我们的研究涉及一个特定背景下的特定人群。我们邀请未来的研究来探索这些发现是否可以在其他环境和人群中复制,并探索结果的潜在泛化性。
本研究的贡献是在欧洲国家的一个移民人群中推进与各种电子健康活动相关的用户因素的知识,这是一个脆弱和鲜为人知的用户群体。特别是,这项研究表明,当目标群体是弱势移民人口时,检查目标群体特定用户因素与不同电子健康活动体验的关联的重要性。这项研究还表明,为了促进和提高移民人口对电子健康的使用,电子健康服务应以少数民族语言提供,而不是将英语作为外国人的通用语言。未来的研究需要进一步了解由于与我们的样本相同或类似的原因而易受健康状况不佳或社会经济地位低下影响的其他目标用户群体。
赤池信息标准
信息和通信技术
优势比
社交网络服务
2型糖尿病
奥斯陆城市大学技术、设计和艺术学院计算机科学系于2014年12月资助了这项研究。作者非常感谢莫妮卡·莫里斯和安妮卡·穆尼尔担任研究助理。
NT和HLH构思了这项研究。NT起草了研究设计和初版手稿。HLH设计并进行了统计分析,并撰写了相关部分的草稿。其他三位作者对研究设计的进一步发展做出了贡献,并对手稿草稿的所有版本提出了意见,从而最终确定了手稿。所有作者都阅读并批准了最终的手稿。
没有宣布。