原始论文
摘要
背景:最近电子保健的发展提高了评估技术在多大程度上增强了患者的能力并改善了健康的重要性,特别是在最脆弱的人群中。鉴于种族和社会群体在慢性健康结果(如癌症、肥胖和糖尿病)方面存在明显差异,研究人员有必要检查电子健康战略在承担不成比例疾病负担的群体之间的实施、吸收和影响方面的任何差异。
摘要目的:目的是通过社会人口因素,如种族/民族、社会经济地位(SES)、年龄和性别,来检查电子健康的使用情况。
方法:我们的数据来自美国国家癌症研究所2012年健康信息全国趋势调查(提示)(N=3959),该调查可在网上公开获取。我们估计了多变量逻辑回归模型,以评估3个健康传播领域(医疗保健、健康信息搜索和用户生成内容/共享)中成年互联网用户(N=2358)使用电子健康的社会人口统计学预测因素。
结果:在上网的成年人中,我们没有看到任何证据表明使用数字产品有种族/民族差异。然而,SES在使用方面存在显著差异,特别是在卫生保健和卫生信息查询项目方面。患者有显著降低,教育水平较低的上网找一个卫生保健提供者(高中或更少:或0.50,95%置信区间0.33 - -0.76)使用电子邮件或互联网与医生沟通(高中或更少:或0.46,95%置信区间0.29 - -0.72),追踪他们的个人健康信息网络(高中或更少:或0.53,95%置信区间0.32 - -0.84),用一个网站来帮助跟踪饮食、体重和身体活动(高中或更少:或0.64,95%置信区间0.42 - -0.98;一些大学:OR 0.67, 95% CI 0.49-0.93),或将健康信息下载到移动设备(一些大学:OR 0.54, 95% CI 0.33-0.89)。女性是在医疗保健和用户生成内容/共享领域使用电子健康的一致预测因素,而年龄对健康信息寻求的主要影响因素。
结论:这项研究表明,与同龄人相比,社会地位较低、年龄较大和男性上网的美国成年人不太可能参与一些电子健康活动。未来的研究应评估健康素养和电子健康素养问题及其对社会群体参与电子健康的影响。试图利用Web 2.0和3.0平台的临床护理和公共卫生沟通工作应承认不同的电子卫生使用情况,以更好地解决沟通不平等和健康方面持续存在的差距。
doi: 10.2196 / jmir.3117
关键字
介绍
在过去的十年中,以患者为中心的护理运动越来越强调患者在医疗保健中的权力。特别是慢性护理模式,其特点是“知情和活跃的患者”与“准备和积极主动的实践团队”之间的互动,已被强调为最佳护理的基本模式[
, ]。随着医疗保健服务的不断变化,信息技术也发生了革命。随着新科技和web2.0及3.0通讯媒体的发展,电子医疗领域应运而生,为个人提供了大量新的机会,让他们透过电子平台查阅和交换健康资讯、管理健康,以及参与"点对点医疗"。[ - ]。这些网上机会已被确定为一种更好地赋予病人权力和自我管理护理的手段[ ]。电子保健领域使公共卫生和医疗从业人员能够以传统和新颖的方式与患者沟通,以解决诸如糖尿病管理等健康问题[
],心脏健康[ ]、预防癌症及促进健康活动[ - ],以及戒烟[ , ]。在线策略包括对更传统的通信方法的调整,例如提供量身定制的信息和创建支持网络[ ],到更多的创新发展,例如实施用于疾病预防和管理的智能手机应用程序[ - ]。这些电子保健发展提高了评估技术在多大程度上增强了患者的能力,改善了总体健康,特别是最脆弱人群的健康的重要性[
- ]。由于种族和社会群体在慢性健康结果(如癌症、肥胖和糖尿病)方面存在明显差异,研究人员有必要仔细检查电子健康战略在不同疾病负担群体中的实施、吸收和影响方面的任何差异。 , , ]。目前的电子健康研究有很多局限性,比如皮尤互联网和美国生活项目发表的研究,报告了国家百分比,没有严格的统计控制,以确定什么因素可能是任何电子健康差异的真正驱动因素。其他的研究则集中在基于数字鸿沟这个原始概念的获取技术的问题上,这个概念将互联网分成了两个群体——可以访问互联网的群体和不能访问互联网的群体。 , ]。互联网接入方面的差距一直存在,因为社会经济地位较低、少数种族/族裔群体、年龄较大和健康状况较差等与互联网接入减少有关[ , , - ]。这些获取方式可能导致获取健康信息的机会不同,从而可能加剧健康差距[ ]。然而,这种二分法的过度简化错误地暗示,所有“富人”都以类似的方式使用互联网。然而,关注互联网健康使用的已发表研究数量有限,表明重要种族和社会群体在使用和参与方面存在明显的沟通不平等或差异[
, , ]。例如,与收入和教育程度较高的人相比,收入和教育程度最低的人在网上查找健康信息的可能性要小得多。同样,与非西班牙裔白人相比,非西班牙裔黑人和西班牙裔人在网上寻找健康信息的可能性要小得多,但这些种族/民族差异已经开始总体缩小。最近未经调整的皮尤互联网和美国生活项目数据突出了特定主题搜索行为的差异,与非西班牙裔白人相比,更多的非西班牙裔黑人和西班牙裔白人报告使用互联网查找如何减肥和怀孕的信息,而非西班牙裔白人报告使用互联网查找特定疾病或问题的信息的比例更高。 , , , ]。电子健康使用的这些差异对公共卫生从业人员和卫生保健提供者很重要,因为这些沟通行为可能导致重大的健康相关差异[ ]。支持与健康有关的互联网使用方面的通信不平等的证据正在积累[
, , ];然而,我们缺乏对社会人口因素(如种族/民族、社会经济地位(SES)和性别)在利用互联网进行电子健康任务方面的综合差异的清晰理解。过去的研究主要是孤立地检查在线差异,没有充分调整可能推动使用的混杂因素,或者使用了不能反映不断变化的数字景观的旧数据集[ , , - ]。本研究旨在通过社会人口因素对电子健康使用进行最新的全面检查,以说明在许多通信领域中存在差异的潜在概况。我们希望这项工作将有助于未来的健康传播干预措施和努力,寻求利用互联网、电子邮件和社交媒体来接触和吸引服务不足的人群。
方法
这项研究的数据来自国家癌症研究所的2012年健康信息国家趋势调查(提示)。hint是一项针对美国非机构成年人口的具有全国代表性的调查,收集有关美国公众对健康相关信息的需求、获取和使用的数据[
]。《提示》已于网上公开下载[ ]。本研究使用的数据来自于2011年10月至2012年2月的HINTS 4 Cycle 1,通过邮寄问卷的方式收集(N=3959)。样本设计是一个两阶段的分层样本,地址从美国邮政服务的综合全国居民档案中选择,并且每个样本中的每个家庭都选择了个人受访者。HINTS 2012的最终回复率为36.7%。有关调查设计及抽样策略的详情,请参阅[ ]。为了评估电子健康使用和参与的假设差异,我们使用了11个提示变量,这些变量是对那些曾经上网访问互联网或万维网或发送和接收电子邮件的受访者提出的(N=2358)。11项电子卫生任务涉及与卫生传播相关的3个领域(卫生保健、卫生信息搜索和用户生成内容/共享)。项目被分成不同的领域,以努力说明电子卫生任务的趋势,并为今后与卫生通信有关的干预措施提供信息[
]。根据大众传播理论(如使用和满足理论)以及最近的医疗保健政策(特别是《平价医疗法案》和《健康人2020》)对项目进行领域分类,其中有兴趣跟踪目标实现的进展[ - ]。例如,《2020年健康人》概述的目标之一旨在改善获得全面、优质卫生保健服务的机会,目前正在开展研究,将更多地使用互联网与获得卫生保健服务联系起来[ ]。在这项研究中评估的电子健康项目是“在过去的12个月里,你是否使用互联网为自己寻找健康或医疗信息?”(是/否)及“在过去12个月内,你有否因下列任何原因使用互联网?”(是/否),如所列 。为了进行分析,每个模型中包含的主要预测变量代表了社会人口学特征:出生地、种族/民族、房屋所有权、教育程度、收入、年龄和性别。在《HINTS 2012》中,用种族和民族变量的输入数据替换缺失的回答。通过这种方法,得到的分布保留了被调查者观察到的值的分布。
所有模型都针对职业状况、婚姻状况、子女、健康信息寻求(曾经从任何来源寻求健康信息)、定期就医、保险状况、健康状况、个人癌症史和家族癌症史进行了调整。
我们使用多变量逻辑回归对社会经济地位(教育和收入)、种族/民族、年龄和性别独立和差异地预测在线美国成年人中电子健康使用情况的拟合几率进行建模。我们使用sas可调用的SUDAAN 10.0.1来考虑HINTS中使用的复杂抽样设计,并结合计算准确标准误差所需的折刀复制权重。所有分析都经过加权,以提供具有全国代表性的估计。我们利用完整的病例分析计算加权百分比、优势比(OR)和95%置信区间(CI),并对每个模型进行列表删除(N=2358)。
结果
总结
每个因变量的加权和未加权未调整患病率估计值见
(人口)和 (电子健康的任务)。对于与医疗保健相关的任务,电子健康的使用率普遍较低,大约18.95%(509/2358)的在线美国成年人报告曾经从事过诸如给供应商发电子邮件等活动,19.29%(501/2358)在线跟踪健康信息,17.67%(459/2358)在线购买药品。使用互联网搜索医疗保健提供者的人数略多(38.42%,861/2358)。对于健康信息查找任务,电子健康的使用明显更为普遍。近80%(79.04%,1833/2358)的在线美国成年人使用互联网为自己查找健康信息,57.04%(1342/2358)使用互联网为他人查找健康信息。在过去的一年中,大约42.98%(925/2358)的人使用互联网来帮助控制饮食、体重或进行体育活动,但很少有人使用互联网将健康信息下载到移动设备(11.70%,261/2358)。在参与用户生成的内容方面,只有一小部分人口(3.26%-4.63%,76-110/2358的在线美国成年人)利用了交互式Web功能,例如参与在线支持小组或健康相关博客。使用社交网站(SNS)获取健康信息的比例略高,16.80%(345/2358)的美国网民表示,他们访问过Facebook或LinkedIn等网站,阅读或分享有关医疗的话题。根据我们关于电子健康使用中潜在的沟通不平等的中心研究问题,我们的多变量逻辑回归分析的结果是由医疗保健、健康信息搜索和用户生成内容/共享领域提出的。在上网的成年人中,几乎没有证据表明种族/民族对数字的使用存在差异。一般来说,非西班牙裔黑人、西班牙裔和其他种族的人参与电子健康活动的可能性并不比非西班牙裔白人多或少。作为其他种族的人,在移动设备上下载健康信息的几率几乎增加了3倍,使用互联网寻找医疗服务提供者的几率增加了两倍。然而,电子健康使用的最大差异是在社会经济地位(教育程度、收入或两者都有)、年龄和性别之间。随后总结了调查结果。
社会人口的 | n | 未加权的% | 加权% | |
年龄段 | ||||
- 34 | 440 | 18.66 | 35.21 | |
35-49 | 680 | 28.84 | 30.07 | |
50 - 64 | 824 | 34.94 | 24.63 | |
65 - 74 | 292 | 12.38 | 7.03 | |
> 75 | 122 | 5.17 | 3.05 | |
完成最高水平的学业 | ||||
≤高中 | 401 | 17.01 | 23.58 | |
一些大学 | 761 | 32.27 | 35.25 | |
大专以上学历 | 1196 | 50.72 | 41.17 | |
种族/民族(估算) | ||||
非西班牙裔白人 | 1657 | 70.27 | 70.43 | |
拉美裔 | 215 | 9.12 | 11.50 | |
非西班牙裔黑人 | 322 | 13.66 | 10.39 | |
其他非西班牙裔 | 164 | 6.96 | 7.69 | |
家庭年收入 | ||||
少于20,000美元 | 329 | 13.95 | 16.79 | |
$20,000到<$35,000 | 313 | 13.27 | 14.33 | |
$35,000到<$50,000 | 313 | 13.27 | 11.27 | |
$50,000到<$75,000 | 437 | 18.53 | 18.69 | |
> 75000美元 | 821 | 34.82 | 33.04 | |
失踪 | 145 | 6.15 | 5.88 | |
性 | ||||
男性 | 931 | 39.48 | 48.36 | |
女 | 1427 | 60.52 | 51.64 | |
曾经被诊断患有癌症吗? | ||||
是的 | 311 | 13.19 | 7.34 | |
没有 | 2047 | 86.81 | 92.66 | |
有家庭成员得过癌症吗? | ||||
是的 | 1506 | 63.87 | 62.92 | |
没有/不确定/失踪 | 852 | 36.13 | 37.08 |
电子健康的任务 | n | 未加权的% | 加权% | |
曾经从任何来源寻找过有关健康或医学主题的信息吗? | ||||
是的 | 2132 | 90.42 | 88.79 | |
没有 | 226 | 9.58 | 11.21 | |
在过去的12个月里,你是否使用电子邮件或互联网与医生或医生办公室沟通? | ||||
没有 | 1849 | 78.41 | 81.05 | |
是的 | 509 | 21.59 | 18.95 | |
在过去的12个月里,你在网上买过药或维生素吗? | ||||
没有 | 1899 | 80.53 | 82.33 | |
是的 | 459 | 19.47 | 17.67 | |
在过去的12个月里,你使用互联网寻找医疗服务提供者吗? | ||||
没有 | 1497 | 63.49 | 61.58 | |
是的 | 861 | 36.51 | 38.42 | |
在过去的12个月里,使用互联网记录个人健康信息 | ||||
没有 | 1857 | 78.75 | 80.71 | |
是的 | 501 | 21.25 | 19.29 | |
在过去的12个月里,你是否使用过一个网站来帮助你控制饮食、体重或进行体育锻炼? | ||||
没有 | 1433 | 60.77 | 57.02 | |
是的 | 925 | 39.23 | 42.98 | |
在过去的12个月里,使用互联网下载与健康相关的信息到移动设备 | ||||
没有 | 2097 | 88.93 | 88.30 | |
是的 | 261 | 11.07 | 11.70 | |
在过去12个月,你曾使用互联网为自己寻找健康或医疗信息吗? | ||||
没有 | 525 | 22.3 | 21 | |
是的 | 1833 | 77.7 | 79 | |
在过去的12个月里,你曾使用互联网为他人查找健康或医疗信息吗? | ||||
没有 | 1016 | 43.09 | 42.96 | |
是的 | 1342 | 56.91 | 57.04 | |
在过去的12个月里,你参加过一个为有类似健康或医疗问题的人提供的在线支持小组吗? | ||||
没有 | 2248 | 95.34 | 95.37 | |
是的 | 110 | 4.66 | 4.63 | |
在过去的12个月里,你访问过社交网站来阅读和分享有关医学的话题吗? | ||||
没有 | 2013 | 85.37 | 83.20 | |
是的 | 345 | 14.63 | 16.80 | |
在过去的12个月里,你在网上写过关于健康的日记或博客吗? | ||||
没有 | 2282 | 96.78 | 96.74 | |
是的 | 76 | 3.22 | 3.26 |
卫生保健
与拥有大学或以上学历的人相比,受教育程度最低的上网成年人使用互联网寻找医疗服务提供者的可能性明显更低(or 0.50, 95% CI 0.33-0.76)。
).接受调查的最年轻的成年人(18-34岁)与年龄在65岁及以上的最年长群体相比,参与在线提供商搜索的几率是前者的两倍多(OR 2.24, 95% CI 1.20-4.16)。然而,女性比男性更有可能在网上搜索医疗保健提供者(OR 1.53, 95% CI 1.14-2.04)。在上网的成年人中,我们再次看到了在使用电子邮件或互联网与医生或医生办公室沟通方面,教育程度和性别的使用差距的证据。与拥有大学或更高学历的人相比,拥有高中或更低学历的人更不可能参与这一活动(or 0.46, 95% CI 0.29-0.72)。此外,女性比男性更有可能通过电子邮件或互联网与医疗服务提供者沟通(or 1.52, 95% CI 1.06-2.19)。
教育程度和性别也是在线追踪个人健康信息的重要预测因素。高中毕业生和受教育程度较低的人比大学毕业生更不可能在网上跟踪这些信息(OR 0.53, 95% CI 0.32-0.84),而女性这样做的可能性是男性的1.5倍(OR 1.52, 95% CI 1.06-2.19)。
在调查在线购买药品或维生素的人时,我们看到了不同的使用模式。收入水平和出生地是显著的预测因素;年收入在20,000美元以下和20,000美元至35,000美元之间的人在网上购买药品或维生素的可能性明显低于最高收入类别的人(分别为0.34,95% CI 0.12-0.95和0.38,95% CI 0.16-0.90),而非出生在美国的人这样做的几率超过2.5倍(or 2.64, 95% CI 1.37-5.09)。
社会人口的 | 找医疗服务提供者 | 使用电子邮件或互联网与医生沟通 | 在网上买药或维生素 | 在线跟踪个人健康信息 | |||||
或 | 95%可信区间 | 或 | 95%可信区间 | 或 | 95%可信区间 | 或 | 95%可信区间 | ||
教育 | |||||||||
高中以上学历 | 0.50 | 0.33, 0.76 | 0.46 | 0.29, 0.72 | 0.67 | 0.34, 1.32 | 0.53 | 0.32, 0.84 | |
一些大学 | 0.73 | 0.49, 1.09 | 0.71 | 0.50, 1.02 | 0.99 | 0.67, 1.46 | 0.75 | 0.50, 1.13 | |
>大学学历(参考) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
出生在美国 | |||||||||
没有 | 1.29 | 0.73, 2.26 | 1.03 | 0.49, 2.14 | 2.64 | 1.37, 5.09 | 1.19 | 0.58, 2.46 | |
是的(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
种族/民族 | |||||||||
拉美裔 | 0.73 | 0.44, 1.16 | 1.21 | 0.69, 2.13 | 1.01 | 0.49, 2.10 | 1.04 | 0.60, 1.81 | |
非西班牙裔黑人 | 1.52 | 0.72, 3.18 | 0.94 | 0.49, 1.79 | 1.39 | 0.50, 3.91 | 1.23 | 0.73, 2.06 | |
其他种族 | 2.02 | 1.01, 4.04 | 1.68 | 0.91, 3.11 | 0.79 | 0.43, 1.46 | 1.82 | 0.81, 4.07 | |
非西班牙裔白人(参考) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
房屋所有权 | |||||||||
出租或无偿占用 | 1.06 | 0.67, 1.68 | 1.04 | 0.72, 1.51 | 0.81 | 0.51, 1.28 | 1.19 | 0.86, 1.64 | |
自己的(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
家庭年收入 | |||||||||
< 20000美元 | 0.86 | 0.38, 1.97 | 0.37 | 0.13, 1.02 | 0.34 | 0.12, 0.95 | 0.78 | 0.31, 1.94 | |
$20,000到<$35,000 | 0.70 | 0.35, 1.38 | 0.49 | 0.23, 1.06 | 0.38 | 0.16, 0.90 | 0.81 | 0.45, 1.46 | |
$35,000到<$50,000 | 1.51 | 0.95, 2.40 | 0.67 | 0.40, 1.13 | 0.70 | 0.32, 1.54 | 0.64 | 0.36, 1.15 | |
$50,000到<$75,000 | 1.00 | 0.64, 1.58 | 0.71 | 0.47, 1.06 | 0.91 | 0.60, 1.37 | 1.31 | 0.80, 2.14 | |
> 75000美元(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
年龄 | |||||||||
- 34 | 2.24 | 1.20, 4.16 | 0.91 | 0.48, 1.70 | 0.85 | 0.46, 1.58 | 1.24 | 0.69, 2.22 | |
35-49 | 1.55 | 0.91, 2.63 | 0.77 | 0.47, 1.24 | 0.68 | 0.40, 1.14 | 0.90 | 0.58, 1.39 | |
50 - 64 | 1.50 | 0.90, 2.51 | 0.84 | 0.51, 1.37 | 0.73 | 0.46, 1.16 | 0.91 | 0.65, 1.28 | |
> 65 (ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
性 | |||||||||
女 | 1.53 | 1.14, 2.04 | 1.47 | 1.03, 2.09 | 0.98 | 0.65, 1.47 | 1.52 | 1.06, 2.19 | |
男(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 |
一个所有的估计都是加权的。所有模型都控制了职业状况、婚姻状况、子女、健康信息寻求(曾经从任何来源寻求健康信息)、定期就医、保险状况、健康状况、个人癌症史和癌症家族史。
健康资讯
年龄是过去12个月里上网的成年人是否使用互联网为自己搜索健康信息的唯一预测因素(
).18-34岁的成年人使用互联网搜索健康信息的可能性是65岁及以上人群的3.5倍,35-49岁的成年人使用互联网搜索健康信息的可能性是65岁及以上人群的近2.5倍(分别为OR 3.51, 95% CI 1.66-7.44和OR 2.35, 95% CI 1.17-4.72)。年龄和性别对使用互联网为他人搜索健康或医疗信息的预测存在差异。35-49岁的人为此目的使用互联网的可能性是65岁及以上的人的1.5倍(OR 1.52, 95% CI 1.00-2.31)。女性这样做的可能性大约是男性的1.5倍(OR 1.46, 95% CI 1.06-2.01)。
同样,我们发现了年龄、教育程度和收入在使用网站帮助饮食、体重或体育活动方面的差距。绝大多数情况下,年龄较小的人比65岁及以上的人更有可能为此目的使用网站:18-34岁(OR 3.37, 95% CI 2.00-5.69), 35-49岁(OR 2.57, 95% CI 1.66, 3.99), 50-64岁(OR 2.22, 95% 1.43-3.43)。与大学毕业生相比,拥有高中或更低学历和大学学历的人这样做的可能性大约低35% (or分别为0.64,95% CI 0.42-0.98和or 0.67, 95% CI 0.49-0.93)。此外,那些年收入低于2万美元的人使用网络来达到这个目的的可能性比收入最高的人低近50% (OR 0.46, 95% CI 0.24-0.86)。
在将健康相关信息下载到移动设备(如MP3播放器、手机、平板电脑或电子书设备)方面,我们观察到教育水平和种族/民族之间存在一些使用差距。那些受过大学教育的人为此目的上网的可能性比那些有大学学位的人低46% (OR 0.54, 95% CI 0.33-0.89),而那些受教育程度最低的人参与电子健康任务的可能性低58%,但这没有达到统计学意义(OR 0.42, 95% CI 0.17-1.02)。与非西班牙裔白人相比,其他种族的人下载健康信息到移动设备的可能性几乎是其3倍(OR 2.78, 95% CI 1.33-5.86)。
社会人口的 | 为自己寻找健康信息 | 找别人的健康信息 | 使用网站来帮助跟踪饮食,体重,身体活动 | 已下载的健康信息到移动设备 | |||||
或 | 95%可信区间 | 或 | 95%可信区间 | 或 | 95%可信区间 | 或 | 95%可信区间 | ||
教育 | |||||||||
高中以上学历 | 0.64 | 0.41, 1.01 | 0.72 | 0.46, 1.10 | 0.64 | 0.42, 0.98 | 0.42 | 0.17, 1.02 | |
一些大学 | 0.67 | 0.44, 1.02 | 0.70 | 0.46, 1.05 | 0.67 | 0.49, 0.93 | 0.54 | 0.33, 0.89 | |
>大学学历(参考) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
出生在美国 | |||||||||
没有 | 1.43 | 0.68, 2.99 | 1.29 | 0.67, 2.48 | 1.39 | 0.77, 2.49 | 1.36 | 0.65, 2.88 | |
是的(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
种族/民族 | |||||||||
拉美裔 | 0.62 | 0.27, 1.45 | 0.89 | 0.51, 1.57 | 1.58 | 0.80, 3.11 | 1.47 | 0.57, 3.82 | |
非西班牙裔黑人 | 1.21 | 0.66, 2.23 | 1.32 | 0.65, 2.68 | 1.00 | 0.55, 1.82 | 1.73 | 0.88, 3.42 | |
其他种族 | 1.13 | 0.40, 3.20 | 1.78 | 0.94, 3.34 | 1.40 | 0.75, 2.60 | 2.78 | 1.33, 5.86 | |
非西班牙裔白人(参考) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
房屋所有权 | |||||||||
出租或无偿占用 | 0.89 | 0.59, 1.33 | 1.13 | 0.72, 1.79 | 1.06 | 0.72, 1.57 | 1.18 | 0.62, 2.24 | |
自己的(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
家庭年收入 | |||||||||
< 20000美元 | 0.84 | 0.39, 1.80 | 1.06 | 0.52, 2.15 | 0.46 | 0.24, 0.86 | 1.28 | 0.59, 2.80 | |
$20,000到<$35,000 | 0.83 | 0.40, 1.74 | 1.45 | 0.72, 2.90 | 0.72 | 0.39, 1.32 | 0.88 | 0.37, 2.13 | |
$35,000到<$50,000 | 0.94 | 0.50, 1.75 | 1.10 | 0.60, 2.00 | 0.59 | 0.34, 1.05 | 0.81 | 0.38, 1.75 | |
$50,000到<$75,000 | 0.87 | 0.47, 1.59 | 1.02 | 0.68, 1.52 | 1.12 | 0.74, 1.72 | 1.09 | 0.61, 1.96 | |
> 75000美元(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
年龄 | |||||||||
- 34 | 3.51 | 1.66, 7.44 | 1.31 | 0.74, 2.31 | 3.37 | 2.00, 5.69 | 1.78 | 0.77, 4.09 | |
35-49 | 2.35 | 1.17, 4.72 | 1.52 | 1.00, 2.31 | 2.57 | 1.66, 3.99 | 0.89 | 0.43, 1.84 | |
50 - 64 | 1.62 | 0.87, 3.02 | 1.44 | 0.95, 2.19 | 2.22 | 1.43, 3.43 | 1.32 | 0.66, 2.62 | |
> 65 (ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
性别 | |||||||||
女 | 1.43 | 0.96, 2.12 | 1.46 | 1.06, 2.01 | 1.25 | 0.93, 1.70 | 1.21 | 0.75, 1.93 | |
男(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 |
一个所有的估计都是加权的。所有模型都控制了职业状况、婚姻状况、子女、健康信息寻求(曾经从任何来源寻求健康信息)、定期就医、保险状况、健康状况、个人癌症史和癌症家族史。
参与用户生成内容和社交媒体
我们发现,在上网的成年人中,与健康相关的社交媒体使用情况在社会经济地位、性别和年龄方面存在差异(
).受教育程度低和收入低的人都倾向于使用Facebook等社交媒体阅读或分享医疗话题。那些有大学学历的人参与电子健康活动的可能性是那些有大学学历的人的1.5倍多(OR 1.59, 95% CI 1.06-2.39)。同样,家庭收入低于20,000美元的人使用社交网络阅读或分享健康信息的可能性是家庭收入为75,000美元或以上的人的两倍多(or 2.12, 95% CI 1.04-4.29),收入为20,000- 35,000美元的人参与这一活动的可能性也是家庭收入为75,000美元或以上的人的近两倍,尽管这没有达到统计学意义(or 1.82, 95% CI 0.99-3.32)。此外,我们还看到了SNS健康使用从最年轻到最年长年龄组的效果分级。与65岁及以上的人相比,18-34岁的人为此上网的可能性是65岁及以上的人的近3倍,35-49岁的人上网的可能性是65岁及以上的人的两倍多(OR分别为2.81,95% CI 1.13-7.00和2.27,95% CI 1.00-5.17)。妇女参加为有类似医疗问题的人设立的在线支持小组的情况更为突出;女性参加在线支持小组的可能性是男性的近3倍(OR 2.79, 95% CI 1.20-6.51)。与最高收入阶层相比,家庭收入在5万至7.5万美元之间的人这样做的可能性是其两倍多(OR 2.22, 95% CI 1.04-4.73)。在撰写关于健康主题的在线博客方面,女性这样做的可能性是男性的4倍多(OR 4.31, 95% CI 1.78-10.42)。
与癌症有联系也预示着参与用户生成的健康内容。有癌症家族史的受访者参加在线支持小组的可能性几乎是没有家庭癌症经历的受访者的3倍(OR 2.96, 95% CI 1.00-3.83)。与没有癌症病史的人相比,癌症幸存者在博客中撰写健康主题的可能性几乎是其3倍(OR 2.93, 95% CI 1.00-8.63)。
社会人口的 | 访问一个社交网站,阅读和分享有关医学的话题 | 利用电子邮件或互联网在网上写日记或博客,讨论任何类型的健康话题 | 参加一个在线支持小组,帮助有类似健康或医疗问题的人b | ||||
或 | 95%可信区间 | 或 | 95%可信区间 | 或 | 95%可信区间 | ||
教育 | |||||||
≤高中 | 1.11 | 0.64, 1.92 | 1.05 | 0.38, 2.90 | 0.90 | 0.27, 3.00 | |
一些大学 | 1.59 | 1.06, 2.39 | 1.13 | 0.45, 2.85 | 1.44 | 0.79, 2.64 | |
大专或以上学历(参考) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
出生在美国 | |||||||
没有 | 0.77 | 0.42, 1.39 | 1.43 | 0.31, 6.68 | 1.96 | 0.36, 8.86 | |
是的(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
种族/民族 | |||||||
拉美裔 | 0.90 | 0.39, 2.09 | 0.62 | 0.12, 3.20 | 1.91 | 0.61, 5.95 | |
非西班牙裔黑人 | 1.24 | 0.57, 2.67 | 1.32 | 0.39, 4.53 | 0.57 | 0.17, 1.88 | |
其他种族 | 1.08 | 0.48, 2.43 | 1.33 | 0.26, 6.83 | 1.80 | 0.50, 6.45 | |
非西班牙裔白人(参考) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
房屋所有权 | |||||||
出租或无偿占用 | 1.23 | 0.72, 2.10 | 1.18 | 0.37, 3.71 | 0.83 | 0.34, 2.01 | |
自己的(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
家庭年收入 | |||||||
< 20000美元 | 2.12 | 1.04, 4.29 | 0.87 | 0.24, 3.15 | 0.87 | 0.13, 5.83 | |
$20,000到<$35,000 | 1.82 | 0.99, 3.32 | 2.41 | 0.73, 7.95 | 1.31 | 0.33, 5.26 | |
$35,000到<$50,000 | 1.56 | 0.82, 2.94 | 1.18 | 0.40, 3.55 | 1.02 | 0.28, 3.79 | |
$50,000到<$75,000 | 1.12 | 0.59, 2.13 | 1.28 | 0.50, 3.28 | 2.22 | 1.04, 4.73 | |
> 75000美元(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
年龄 | |||||||
- 34 | 2.81 | 1.13, 7.00 | 3.91 | 0.59, 25.94 | 1.99 | 0.47, 8.45 | |
35-49 | 2.27 | 1.00, 5.17 | 1.65 | 0.27, 10.23 | 1.38 | 0.34, 5.65 | |
50 - 64 | 1.59 | 0.72, 3.49 | 1.70 | 0.25, 11.68 | 0.86 | 0.15, 4.97 | |
> 65 (ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
性 | |||||||
女 | 1.48 | 0.88, 2.49 | 4.31 | 1.78, 10.42 | 2.79 | 1.20, 6.51 | |
男(ref) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
癌症的经验 | |||||||
癌症诊断(自我) | 1.07 | 0.63, 1.81 | 2.93 | 1.00, 8.63 | 1.36 | 0.62, 2.99 | |
无癌症诊断(参考) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | |
癌症家族史 | 1.08 | 0.72, 1.62 | 1.14 | 0.52, 2.53 | 2.96 | 1.00, 3.83 | |
无家族史(参考) | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 | 1.00 | 1.00, 1.00 |
一个所有的估计都是加权的。所有模型都控制了职业状况、婚姻状况、子女、健康信息寻求(曾经从任何来源寻求健康信息)、定期就医、保险状况、健康状况、个人癌症史和癌症家族史。
b对于在线支持小组模型,高中学历和非高中学历被压缩为1个预测变量,以增加细胞大小进行分析。
讨论
年轻和女性一直预示着电子健康使用的增加[
, , , ]。伴随科技成长的年轻一代被称为“数字原住民”,他们更愿意将科技用于日常需求,包括管理他们的医疗保健需求。相比之下,被称为“数字移民”的老一辈人不得不学习和获得浏览互联网所需的必要技能,而且通常不太习惯使用技术。 ]。女性也倾向于增加电子健康的使用率,部分原因是她们更多地参与与医疗保健相关的在线活动,并更多地使用一般社交媒体,如SNS [ - , ]。这可能是因为他们作为家庭成员的卫生保健联络人的角色。我们的分析确定了SES的特定代理,这些代理与电子健康使用更可靠地相关。教育对医疗保健和信息搜索领域的电子健康使用具有更一致的预测作用,而家庭收入对项目和领域的预测作用略弱。虽然教育和收入都被用来描述社会经济地位,但在考虑技术使用和健康交流时,我们的分析表明,与收入相比,教育可能是一个更显著的代理。
此外,社会经济服务常用代理之间的这种区别可能有助于深入了解在线卫生使用的基本驱动因素,并随后有助于制定更有效的干预措施和规划。受教育程度较低的人之间的差异表明,卫生知识普及和电子卫生知识普及问题可能是重要因素。倡导将电子健康技术与目标用户的电子健康素养(定义为“从电子资源中寻找、发现、理解和评估健康信息并应用所获得的知识来处理或解决健康问题的能力”)相匹配的研究正在兴起[
- ]。未来对基于在线通信的干预措施的分析应该更好地调查和解决与电子卫生素养有关的问题,以减少低社会经济地位群体之间的通信不平等。检查教育与参与电子保健任务之间关系的方向也很重要。受教育程度较低的人更多地使用社交媒体来促进健康,而受教育程度较高的人更多地使用互联网来参与与医疗保健相关的活动和搜索信息——这与我们在静态Web 1.0参与中看到的模式很相似。皮尤互联网和美国生活项目的2013年健康在线研究也显示了类似的模式,非西班牙裔黑人(35%)和西班牙裔美国人(38%)使用手机获取健康信息的比例高于非西班牙裔白人(27%)。
]。这些跨领域使用的差异可能表明,不仅在获得的信息质量方面存在潜在的不平等,而且在患者参与卫生保健系统方面也存在潜在的不平等。有必要进行进一步的实证检验,以更好地客观评估通过社交媒体与更基本的Web 1.0网站共享的健康信息的质量,以及参与电子医疗保健的人和不参与电子医疗保健的人之间的护理质量和满意度。另一方面,我们的研究还表明,电子健康技术有助于减少健康方面的沟通不平等和差距。我们的数据发现,一旦获得电子健康服务,最弱势群体在使用电子健康服务方面没有种族差异;只有越来越多的人使用移动设备下载信息,并在其他种族的个人中在线寻找医疗保健提供者。这一发现与之前的几项研究一致[
, , ],并指出有机会更直接地探索电子保健利用与西班牙裔和非西班牙裔黑人健康结果之间的关系。虽然我们的研究是对文献的重要补充,但我们注意到它的局限性。首先,较低的调查回复率可能会增加我们估计的抽样误差;然而,通过分层设计,总体抽样覆盖率得到了提高。此外,由于这是一项横断面调查研究,因此难以解释未测量的混杂变量。未来的研究应检查与预测结果的社会人口变量相关的潜在因素,如识字率,以确定其在电子健康使用中的作用。此外,我们的研究并没有试图检查可能缓和或调解本分析中提出的主要关联的因素。例如,过去的研究考察了信任在患者对互联网以及他们自己的医生和/或医疗保健系统的信任方面的作用[
, ]。检查这些心理变量对于更好地理解电子健康使用的复杂预测因素是一个重要的补充。然而,由于健康方面的这种持续不平等,我们不能低估通过社会人口特征持续了解电子卫生保健使用情况的重要性。在这项工作的基础上,对患者提供的利用电子保健的理由进行更定性的检查,并对某些群体为健康目的使用互联网和不使用互联网的原因提供更有力的理解。皮尤互联网与美国生活项目最近进行的一项研究报告称,36%的非互联网用户表示,他们不使用互联网是因为他们认为互联网与他们无关,而32%的人表示使用互联网有困难[
]。调查这些原因是否适用于电子健康使用是必要的。这项研究表明,与同龄人相比,社会地位较低、年龄较大和男性上网的美国成年人不太可能参与一些电子健康活动。为了缩小健康结果方面的现有差距,临床和公共卫生传播战略应适应在线使用方面的这些差异。
我们的研究结果对试图利用Web 2.0和3.0平台的临床护理和公共卫生沟通工作具有重要意义。很明显,一个规模/平台不可能适合所有人,因为重要的人口统计学和个人因素会影响电子健康的参与。例如,针对妇女或年轻人口的运动和干预措施在利用用户生成的内容和分享网站方面可能会取得成功。然而,在当前的医疗保健慢性护理模式中,如果从业者希望确保跨教育阶层、年龄和性别平等地获取信息,那么离线材料可能应该补充在线健康信息。
致谢
这项工作是在国家癌症研究所肺癌差异中心资助Kontos博士的#P50CA148596的支持下进行的。内容完全是作者的责任,并不一定代表哈佛大学或美国国立卫生研究院的官方观点。
利益冲突
没有宣布。
参考文献
- 格拉斯哥RE,奥尔良CT,瓦格纳EH。慢性护理模式是否也可作为改进预防的模板?农业科学与技术,2009;31 (4):579- 592,iv [j]免费全文] [Medline]
- Wagner EH, Bennett SM, Austin BT, Greene SM, Schaefer JK, Vonkorff M.寻找共识:以患者为中心的慢性病护理。[J] journal of practical supplement Med; 2005;11增刊1:S7-15。[CrossRef] [Medline]
- 健康信息的社会生活。华盛顿特区:皮尤互联网与美国生活项目;2009年5月12日。URL:http://www.pewinternet.org/Reports/2011/Social-Life-of-Health-Info/Summary-of-Findings.aspx[访问日期:2013-11-20][WebCite缓存]
- 福克斯S, Purcell K.慢性病与互联网。华盛顿特区:皮尤互联网与美国生活项目;2010年3月24日。URL:http://www.pewinternet.org/Reports/2010/Chronic-Disease/Summary-of-Findings.aspx[访问日期:2013-11-20][WebCite缓存]
- 福克斯S,达根M.健康在线。华盛顿特区:皮尤互联网与美国生活;2013年1月15日。URL:http://www.pewinternet.org/Reports/2013/Health-online/Summary-of-Findings.aspx[访问日期:2013-11-20][WebCite缓存]
- 李建军,李建军。电子健康传播的新方向:机遇与挑战。中华医学杂志;2010;38(3):329-336。[CrossRef] [Medline]
- Vuong AM, Huber JC, Bolin JN, Ory MG, Moudouni DM, Helduser J,等。影响糖尿病自我管理技术方法可接受性和可用性的因素:一个案例研究。糖尿病科技,2012;14(12):1178-1182 [j]免费全文] [CrossRef] [Medline]
- 林德琳,史密斯S,贝勒比P,贝克R.在线心脏病支持小组对健康的影响:适度支持与不适度支持的比较。健康教育研究2009八月;24(4):646-654 [j]免费全文] [CrossRef] [Medline]
- 郭志强,郭志强,郭志强。对慢性病患者赋权和身体活动的网络干预措施的系统回顾:与癌症幸存者的相关性。医学与互联网研究,2013;15(2):e37 [J]免费全文] [CrossRef] [Medline]
- 张丽娟,张丽娟。网络生活方式干预对肥胖人群抗氧化能力的影响。中国生物医学工程学报(英文版);2009;30 (1):1 - 6 [J]免费全文] [CrossRef] [Medline]
- Steele RM, Mummery WK, Dwyer T.面对面或网络传递的身体活动干预对目标决定因素的比较。健康教育行为2009;36(6):1051-1064。[CrossRef] [Medline]
- Bock BC, Graham AL, Whiteley JA, Stoddard JL。网络辅助烟草干预(WATIs)综述。医学信息学报,2008;10(5):e39 [J]免费全文] [CrossRef] [Medline]
- Graham AL, Cobb NK, Papandonatos GD, Moreno JL, Kang H, Tinkelman DG,等。网络和电话戒烟治疗的随机试验。实习医师2011年1月10日;171(1):46-53 [j]免费全文] [CrossRef] [Medline]
- Cobb NK, Graham AL, Byron MJ, Niaura RS, Abrams DB,研讨会参与者。在线社交网络与戒烟:一项科学研究议程。中国医学杂志,2011;13(4):e119 [J]免费全文] [CrossRef] [Medline]
- Muessig KE, Pike EC, Fowler B, LeGrand S, Parsons JT, Bull SS,等。把预防放在口袋里:为男男性行为的黑人开发基于手机的艾滋病毒干预措施。艾滋病患者护理性病2013年4月;27(4):211-222 [j]免费全文] [CrossRef] [Medline]
- Hebden L, Balestracci K, McGeechan K, Denney-Wilson E, Harris M, Bauman A,等。“TXT2BFiT”是一个基于手机的健康生活方式项目,用于预防年轻人不健康的体重增加:一项随机对照试验的研究方案。审判2013;14:75 [免费全文] [CrossRef] [Medline]
- Pellegrini CA, Duncan JM, Moller AC, Buscemi J, Sularz A, DeMott A,等。智能手机支持的减肥计划:engage随机对照试验的设计。中华卫生杂志2012;12:1041 [j]免费全文] [CrossRef] [Medline]
- 刘建军,刘建军,刘建军,刘建军。基于web2.0的健康差异研究。中华卫生杂志;2011;16(1):77-89。[CrossRef] [Medline]
- 张建平,张建平,张建平,等。社会经济地位较低的城市电脑新手使用家庭电脑和互联网的障碍与促进因素。中国医学信息学报(英文版);2009;9(4):391 [J]免费全文] [CrossRef] [Medline]
- Kontos EZ, Emmons KM, Puleo E, Viswanath K.传播不平等对人乳头瘤病毒疫苗认知差异的贡献。[J]中华卫生杂志;2012;32(10):391 - 391。[CrossRef] [Medline]
- Kontos EZ, Emmons KM, Puleo E, Viswanath K.美国成人社交网站使用的沟通不平等和公共健康影响。中华卫生杂志2010;15 (3):216-235 [J]免费全文] [CrossRef] [Medline]
- Viswanath K, Kreuter MW。健康差距、沟通不平等和电子健康。中华预防医学杂志2007;32(5增刊):S131-S133 [J]免费全文] [CrossRef] [Medline]
- 公共传播及其在减少和消除健康差距中的作用。见:Thomson GE, Mitchell F, Williams MB,编辑。检查国家卫生研究院的健康差异研究计划:未完成的事业。华盛顿特区:国家科学院出版社;2006:215 - 253。
- 数字区分:身份特定类型的互联网使用。社会科学季刊2009年4月13日;90(2):274-291。[CrossRef]
- 周伟,Hunt YM, Beckjord EB, Moser RP, Hesse BW。美国社会媒体的使用:对健康传播的影响。医学信息学报,2009;11(4):e48 [J]免费全文] [CrossRef] [Medline]
- 杰克逊在洛杉矶,赵Y, Kolenic,菲茨杰拉德,哈罗德·R·冯·眼睛答:种族,性别,和信息技术使用:新的数字鸿沟。网络心理学报,2008;11(4):437-442。[CrossRef] [Medline]
- 王建勇,Bennett K, Probst J.数字鸿沟的细分:医疗限制农村居民互联网接入和使用的差异。中国医学杂志,2011;13(1):25 - 25 [J]免费全文] [CrossRef] [Medline]
- 高收入家庭的互联网使用情况。华盛顿特区:皮尤互联网与美国生活项目;2010年11月24日。URL:http://pewinternet.org/Reports/2010/Better-off-households/Overview.aspx[访问日期:2013-11-20][WebCite缓存]
- 2013年11月12日,华盛顿邮报。使用互联网的人和不使用互联网的人之间的差距正在扩大。http://www.washingtonpost.com/business/technology/gap-between-those-who-use-internet-and-those-who-dont-is-widening/2013/11/12/d9d8d002-4726-11e3-a196-3544a03c2351_story.html[访问日期:2013-11-20][WebCite缓存]
- 理查森LD,诺里斯M.获得健康和医疗保健:种族和民族如何重要。中华医学杂志;2010;37(2):344 - 344。[CrossRef] [Medline]
- 李建军,张建军,李建军,等。网络接入与使用对医疗服务不足人群的影响。卫生情报杂志,2012,29(1):61-71。[CrossRef] [Medline]
- 癌症相关的直接面向消费者的广告:关键评论。中华癌症杂志,2011;11(2):142-150。[CrossRef] [Medline]
- 消费者寻求医疗保健信息的人数显著增加。Track Rep 2008 Aug(20):1-8。[Medline]
- 张建军,张建军。数字鸿沟的探索:电子医疗技术在医疗信息搜索、沟通和个人健康信息管理中的应用。卫生信息学报,2011;17(3):224-243。[CrossRef] [Medline]
- Thackeray R, Crookston BT, West JH。成年人与健康相关的社交媒体使用的相关因素中国医学杂志,2013;15(1):21 [J]免费全文] [CrossRef] [Medline]
- 阮国荣,张建平。美国白人和亚裔在癌症信息寻求偏好和经验方面的差异。中华卫生杂志2006;11增刊1:173-180。[CrossRef] [Medline]
- 未参保和参保拉美裔人的健康沟通资源。卫生通讯2007;21(2):153-163。[CrossRef] [Medline]
- 张建军,张建军,张建军,等。在美国使用互联网与卫生保健提供者沟通:2003年和2005年卫生信息全国趋势调查(提示)的估计。中国医学信息学报(英文版);2009;9(3):920 [J]免费全文] [CrossRef] [Medline]
- Nelson DE, Kreps GL, Hesse BW, Croyle RT, Willis G, Arora NK,等。健康信息全国趋势调查(提示):发展、设计和传播。卫生通讯J; 2004;9(5):443-60;讨论81年。[CrossRef] [Medline]
- 国家癌症研究所,2012。健康信息全国趋势调查网址:http://hints.cancer.gov/[2014-06-19访问][WebCite缓存]
- Finney Rutten LJ, Davis T, Beckjord EB, Blake K, Moser RP, Hesse BW。加快步伐:卫生信息全国趋势调查方法和框架的变化(2011-2014年)。卫生通讯J; 2012;17(8):979-989。[CrossRef] [Medline]
- Southwell BG, Hamilton JT, Slater JS为什么解决穷人和保险不足的问题令人烦恼。卫生通讯2011 Sep;26(6):583-585。[CrossRef] [Medline]
- 大众传播的使用:满足研究的当前观点。社会科学学报(英文版);2004;31(6):1546-1548。
- 美国卫生与公众服务部,2010。平价医疗法案网址:http://www.hhs.gov/healthcare/rights/law/index.html[2014-02-05访问][WebCite缓存]
- HealthPeople.gov。2013.获得保健服务:目标http://www.healthypeople.gov/2020/topicsobjectives2020/overview.aspx?topicid=1[2014-02-05访问][WebCite缓存]
- 互联网使用导致癌症患者成为积极的医疗保健消费者。患者教育委员会2010年12月81日供应:S63-S69。[CrossRef] [Medline]
- 张建军,张建军,张建军,等。在美国使用互联网与卫生保健提供者沟通:2003年和2005年卫生信息全国趋势调查(提示)的估计。中国医学信息学报(英文版);2009;9(3):920 [J]免费全文] [CrossRef] [Medline]
- 数字na(t)生命?“网络一代”成员在互联网技能和使用方面的差异。社会学研究2010;21;80(1):92-113。[CrossRef]
- Ramanadhan S, Viswanath K.健康和信息寻求者:简介。卫生通讯2006;20(2):131-139。[CrossRef] [Medline]
- 诺曼CD,斯金纳HA。eHEALS:电子健康素养量表。中国医学信息学报,2006;8(4):827 [J]免费全文] [CrossRef] [Medline]
- 诺曼CD,斯金纳HA。电子健康素养:网络世界中消费者健康的基本技能。中国医学信息学报,2006;8(2):9 [J]免费全文] [CrossRef] [Medline]
- 电子卫生素养:将数字鸿沟扩展到卫生信息领域。中国医学杂志,2012;14(1):19 [J]免费全文] [CrossRef] [Medline]
- Lee CJ, Ramírez AS, Lewis N, Gray SW, Hornik RC。超越互联网:研究癌症患者寻求癌症信息的社会经济不平等。卫生通讯2012;27(8):806-817。[CrossRef] [Medline]
- Lee CJ, Hornik RC。医生信任调节网络使用和就诊关系。中华卫生杂志2009;14(1):70-76 [J]免费全文] [CrossRef] [Medline]
- Zickuhr k,谁没在线,为什么。华盛顿特区:皮尤互联网与美国生活项目;2013年9月25日。URL:http://pewinternet.org/Reports/2013/Non-internet-users/Summary-of-Findings.aspx[访问日期:2013-11-20][WebCite缓存]
缩写
提示:健康信息全国趋势调查 |
SES:社会经济地位 |
社交网站:社交网站 |
G·艾森巴赫编辑;提交20.11.13;R Nagler, J Ortega Egea的同行评审;对作者23.12.13的评论;收到05.02.14修订版本;接受31.05.14;发表16.07.14
版权©Emily Kontos, Kelly D Blake, Wen-Ying Sylvia Chou, Abby Prestin。原载于医学互联网研究杂志(//www.mybigtv.com), 2014年7月16日。
这是一篇在知识共享署名许可(http://creativecommons.org/licenses/by/2.0/)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。