老年人电子健康素养干预中的个体学习与协作学习:准实验研究

简介

背景

卫生素养的定义是个人获得、处理和理解作出适当卫生决定所需的基本卫生信息和服务的能力的程度[1］．卫生知识普及很重要，因为卫生知识普及水平低于基本水平的人在若干卫生结果方面落后于同龄人的风险更大[1］．年龄较大与卫生知识普及程度较低密切相关[2］．事实上，在美国所有成年群体中，老年人口的健康素养水平最低——考虑到美国老年人口的迅速增长，这是一个至关重要的问题[3.-5］．老年人通常患有多种慢性疾病，这增加了他们与卫生保健提供者的互动，这反过来又增加了他们对充分卫生知识的需求[6］．然而，在美国，只有3%的老年人具有熟练的健康知识[4］．

研究人员继续评估哪些组成部分对老年人有效的卫生知识普及干预措施和实施战略至关重要。Walters等人的系统综述[7]强调了近年来对卫生素养干预措施研究的日益关注，2017年之前仅发表了5项研究，截至2020年第一季度发表了17项研究。本综述加强了早期各种综述的发现，这些发现表明，很少有干预措施确定了卫生扫盲干预措施的最佳实践，例如老年人是在群体中还是作为个人学习得更好[7-12］．

电子健康素养

卫生素养的研究随着卫生素养概念的发展而不断发展。随着信息和通信技术成为提供和接受卫生保健不可或缺的一部分，电子卫生扫盲等领域已经出现[13］．2006年，诺曼和斯金纳[14推广了电子卫生素养的概念，即“从电子来源寻找、发现、理解和评估卫生信息，并将所获得的知识应用于解决或解决卫生问题的能力”。诺曼(15]进一步指出，随着技术的变化，对电子卫生知识普及技能的要求也在变化。疾病控制和预防中心等卫生机构越来越多地在网上提供健康信息，使互联网成为通过移动电话和平板电脑获取健康信息的重要来源，有时甚至是主要来源[16］．

这种向卫生信息电子传播的转变对卫生知识普及干预措施产生了影响，表明它们应侧重于电子卫生知识普及[17］．这种关注很重要，因为有证据表明老年人对在网上寻求健康信息很感兴趣[18]，但老年人的数字素养往往较低[19］．这可以通过提高数字技能的电子卫生扫盲干预措施来解决[20.］．为应对电子卫生扫盲挑战，必须将卫生扫盲概念化为一个积极、动态的终身学习过程[21]，这一过程超越了早期生活中的正规教育环境，其特点是不断学习新方法，从可信赖的网络资源中寻找有效、可靠的健康信息[22］．本研究是一系列项目的一部分，这些项目通过调查基于理论的干预措施的有效性来增加健康素养文献，以帮助理解不同的干预策略如何影响老年人获得电子健康素养。

社区环境中的协作学习

协作学习(CL)指的是“任何一种教学方法，学生在小组中为一个共同的目标而共同努力”[23］．随着学生在学习过程中的进步，CL促进了个人和团体的参与[24］．老年人重视与同龄人在糖尿病和癌症等重要健康问题上的交流[25］．在学习使用计算机的背景下，CL已被发现对老年人的学习结果和社会发展都有效[26-28]，虽然早前的研究[29发现老年人在计算机学习中表现相似，无论是单独学习还是结对学习。在电子卫生扫盲的背景下，CL使人们有机会学习新的卫生信息和在网上获取此类信息的技能[21］．同样，Ahmad等人[26]的研究建议，CL可以让年长的成人学习者与同龄人一起参与，有效地互动，以学习数字技术。

以社区为基础的与健康相关的研究与社区中的老年人会面，在非正式环境中提供干预措施[30.］．老年人的CL通常发生在这样的环境中，而不是更典型的年轻人的正规教育环境中。终身学习者电子健康信息(eHiLL)研究利用社区环境来整合现有的公共基础设施和资源，如公共图书馆和老年人中心[31，32］．由美国国立卫生研究院(NIH)开发的现有和权威的互联网卫生信息资源使这类工作能够被复制并向所有人开放。Kim和Xie [9]揭示了干预措施与社区层面的教育项目相结合可以鼓励目标群体使用基于网络的卫生资源。Ahmad等人的系统回顾确认了非正式学习环境对老年人成功进行数字学习的重要性[26他们发现，在研究样本和设置中，非正式的学习环境为老年人提供了与同龄人分享经验、选择和期望的机会，这鼓励了他们学习。

终身学习

这项研究是eHiLL研究计划的一部分，该计划旨在生成关于最佳学习条件和策略的科学知识，以有效和高效地改善老年人对电子健康应用程序的学习和使用[20.，31，33-35］．每一项eHiLL研究都建立在以前的工作之上，通过严格的理论驱动干预的假设测试来检查各种学习条件和策略的影响。eHiLL研究的依据是社会相互依赖理论，该理论支持CL优于个人主义学习(IL) [36］．这一理论强调群体成员之间的相互依赖，认为群体是一个动态的整体[36］．对>300项研究的荟萃分析提供了强有力的证据，表明在高等教育和专业环境中，CL优于IL和竞争性学习[24］．然而，对于在非正式学习环境中学习计算机技能的老年电子健康学习者，CL的有效性知之甚少。这项eHiLL研究旨在解决这些文献中的空白。

早期eHiLL研究和文献中的空白

第一个eHiLL项目是一项试验性研究(N=172)，其中一个组评估CL的有效性，没有进行比较[20.］．这项研究发现的证据表明，当CL与老年人计算机学习的关键要素相结合时，它可以成为提高老年人电子健康素养的有用方法。研究结果还表明，社会相互依存理论可以推广到年轻人口和正规教育环境之外。在第二项研究(N=124)中，我们采用2 × 2 × 2混合因子设计，学习方法(CL和IL)和表现(仅视觉和视觉加听觉)作为受试者间变量，测量时间(干预前和干预后测量)作为受试者内变量。无论学习方法和信息呈现的具体组合如何，从干预前到干预后，干预都有效地提高了电子卫生素养[34］．在第三项研究中(N=146)，我们采用2 × 2混合因子设计，以学习方法(CL和IL)作为受试者间变量，测量时间(测试前和测试后测量)作为受试者内变量，以关注新样本中的CL与IL [21］．与第二项研究一样，无论使用何种具体的学习方法，电子健康素养干预从干预前到干预后显著提高了知识、技能和电子健康素养的功效。然而，在影响学习结果方面，CL与IL没有差异，这表明先前广泛报道的CL优于IL的优势可能不容易适用于非正式环境中的老年人群。在所有3项研究中，我们使用了相同的基于网络的学习模块和研究方案。可能导致CL优于IL的支持不足的原因包括样本量相对较小，不发达的CL策略，各种组组成的潜在混淆效应(例如，基于性别和以前的计算机经验)，以及没有后续研究来检查潜在的纵向效应(因为这些试点研究缺乏资源)。

这些早期的eHiLL研究[20.，21，34]，以及Ahmad等人回顾的其他研究[31]，提供证据证明CL对老年人有效，即使使用数字技术。然而，仍有重大差距有待解决，特别是在纵向影响方面[20.，37］．Manafo和Wong的系统文献综述[37他们发现，在9项针对老年人健康素养项目的研究中，只有2项有随访期，而且这两项研究都没有报告任何长期结果。此外，先前的研究已经确定了老年人CL中群体组成方法的差异，例如异质性群体组成比同质群体组成更有利于成功的CL [38，39］．几项研究发现，CL在女性或男性占多数的群体中比在性别组成相同的群体中效果更好[40，41]，以及与同性团体相对的混合团体[41，42］．还有一些证据表明，对于老年人的CL，根据以前的计算机经验形成同质组可能是有利的[43］．需要研究来解决这些发现在文献中的含义。

本研究

在这项研究中，我们通过以下方法解决了上述文献中的空白:(1)使用大量随机样本，(2)增加6个月的随访，以检查如何在干预期后保持收益，(3)根据以前的计算机经验增加分组组成，作为自变量，以调查分组组成对学习结果的影响，以及(4)制定和实施详细的说明和程序，以确保在各自组中CL与IL的差异。在社会相互依赖理论和我们自己之前的eHiLL研究的指导下[20.，21，34]，在本研究中，我们研究了在文本框1．

方法

设计

对于本次干预，我们采用了3 × 2 × 3混合因子设计，基于既往计算机经验(有经验的、新的和混合的)和学习方法(IL和CL)的分组组成作为受试者间变量，测量时间(干预前测量、干预后测量和6个月随访)作为受试者内变量。

样本及招聘

招募工作包括在研究地点和周边地区(如杂货店)张贴和分发传单，以及在研究地点的通讯和当地报纸上做广告。招募继续进行，直到达到目标样本量。入选标准如下:(1)年龄≥60岁，(2)能够往返研究地点，(3)英语流利，(4)有兴趣学习使用计算机查找健康信息。共有466名60至96岁的老年人参与了研究(平均年龄70.5岁，标准差7.2岁;CL组70.1年，SD 6.7年;IL组70.8岁，SD 7.6岁)。

研究网站

数据来自8个研究地点:哥伦比亚特区大华盛顿地区的2个公共图书馆;德克萨斯州大奥斯汀地区的1个公共图书馆、3个老年活动中心、1个娱乐中心和1个老年生活设施。选择这些地点是因为:(1)它们为不同种族和社会经济地位的大量老年人提供服务;(2)提供免费的网络计算机、空间和人员支持，以促进研究的实施;(3)对潜在研究参与者和研究人员的地理位置方便;(4)可以通过汽车或公共交通工具到达，从而使我们能够接触到各种各样的老年人。

伦理批准

在干预之前，参与者签署了一份由作者所在机构的机构审查委员会批准的同意书，德克萨斯大学奥斯汀分校(2012-05-0049)和马里兰大学(07-0264)。

过程

干预包括8个2小时的会话:1个干预前测试(会话1)，1个干预后测试(会话8)和6个培训会话(会话2-7)。参与者每周会面两次，持续4周以完成干预。

参与者被随机分配到IL班或CL班，每个班最多8名参与者。在每次训练中，两个班的参与者首先看两遍教程，中间休息5分钟;然后，他们会得到一份讲义来进行练习活动。每次培训都有一名协调员，负责设置设备、分发讲义，并在需要时提供即时帮助。

在IL课程中，参与者在整个干预过程中都戴着耳机并在电脑上工作，以避免与同伴互动。在每节课开始时，主持人都明确指出，学生应该独立学习，避免与同龄人互动。IL课程的教程还提醒参与者在整个课程中独立学习和执行活动。与会者被鼓励在有任何问题时向主持人寻求帮助。

在CL课程中，为了鼓励合作，我们要求2或3名参与者在整个干预过程中使用多耳机分配器共享一台电脑。这样，一个小组中的所有成员都可以以相同的速度进行，不同的小组之间不会相互干扰。每节课开始时，主持人都强调每个小组的同学要一起学习，并与同学一起进行实践活动。CL课程的教程在整个课程中提供了明确的指导，以鼓励合作——例如，通过轮流或小组讨论和反思。多媒体附件1来6提供在参与者电脑屏幕上显示的IL和CL指令示例。

教学材料

教学材料包括一系列为本研究开发的基于网络的交互式教程。教程中的课程以“帮助老年人在线搜索健康信息:培训人员工具包”为指导，该工具包由美国国立卫生研究院(NIH)的国家老龄化研究所开发。此免费工具包[44旨在提高老年人在NIH的两个网站(NIHSeniorHealth和MedlinePlus)上查找健康信息的能力。该工具包包含9个模块:模块1侧重于计算机和互联网基础知识，模块2至5介绍NIHSeniorHealth，模块6至8介绍MedlinePlus，模块9专门侧重于提高一个人评估健康信息的能力。由于NIHSeniorHealth网站在本研究期间即将退役，我们调整了模块1和6到9的内容，使每个模块适合2小时的培训课程(表1)．然后，我们使用Adobe Captivate (Adobe Inc.)开发了基于5个学习模块的10个基于web的交互式教程:5个用于IL类，5个用于CL类。制定了具体的说明和活动，以确保CL与IL之间的差异表2．

措施

我们使用客观和主观测量来评估学习结果或作为控制变量。措施和数据收集时间总结在表3．

数据分析

训练有素的研究生研究助理将数据输入SPSS(27.0版;IBM (IBM Corp .)为Windows操作系统开发的新系统，其主要研究人员通过随机检查10%的数据记录来监控数据输入和清理。在推理分析之前，对数据的准确性、缺失数据、超出范围的值和违反统计假设进行评估。研究人员检查了背景变量(人口统计学、既往经验和语言)，以检测两个学习条件组之间的潜在差异。描述性统计数据用于提供样本的统计资料，包括分类数据的频率和百分比，连续数据的平均值和SDs。

Mann-WhitneyU测试和双尾测试t进行测试以评估在所有3个时间点完成测试的参与者与仅完成测试前测量的参与者之间的差异。对每一个因变量分别进行3(基于既往计算机经验的分组组成:有经验的、新的和混合的)× 2(学习条件:IL vs CL) × 3(测量时间:测前测量、测后测量和6个月随访)内-间混合单变量协方差分析;每个结果的结果都是直接相关的。

利用4个计算机和网络经验变量，进行因子分析和聚类分析。因子分析产生了一个强因子(特征值3.38 vs 0.38, 0.17和0.08)，这意味着这4个变量是强相关的，可以用来定义个人对计算机和互联网使用的连续体得分。相比之下，聚类分析产生了两个聚类解决方案的清晰分离，其特征是平均比较范围在1.28-1.95(聚类2)和4.38-5.08(聚类1)之间。聚类1是一个使用计算机和互联网3年或更长时间的群体，至少每周使用一次，如果不是更频繁的话。群集2是指使用计算机或互联网不到一年，通常每月访问不到一次的群体。这熟悉电脑和互联网利用二分变量进一步将分组分为3组，根据计算机经验进行分组组成。第一组由小于30%的参与者有经验的组组成(我们在所有后续分析中将其定义为“新”用户组组成;14/92, 15%)。第二组由30%到70%的参与者组成(“混合”组组成;48/92, 52%)。第三组由70%的参与者有经验的组组成(“有经验的”组组成;30/92, 33%)。

感兴趣的主要结果变量是电子健康素养功效、计算机和网络知识以及技能获得(3个指标:基本计算机和网络操作技能、信息搜索技能和网站评估技能)。成人功能性健康素养短测试(S-TOFHLA)作为协变量被纳入，而不是一个结果变量，因为干预的重点不是学习S-TOFHLA测量的结果。S-TOFHLA与所有5项结果显著相关，范围从0.11(电子健康素养功效)到0.52(计算机和网络知识)。

为了检验本研究的具体假设，我们将分析重点放在学习条件的主要影响以及学习条件与以前的计算机经验之间的相互作用上。以前的计算机经验的主要影响并不是主要的重点，因为已经有充分的证据表明，以前的计算机经验可以预测老年人采用和使用计算机[46-48］．考虑到预期的相互作用，在设计的特定级别内测试简单效果可能是[49]，例如那些评估在有经验的、新的和混合水平的计算机经验中学习条件的差异影响。

模型在有和没有控制变量的情况下进行。观察到有和没有控制变量没有差异的一致模式。控制变量包括年龄、性别、教育程度、健康状况、种族和民族、收入和主要语言。这些控制变量的加入可以增加设计的统计力，因为结果的差异可能部分是由于这些变量中的一个或多个的可变性。在没有涉及主要效应变量的相互作用的情况下进行了主要效应的试验。计算得到的效应量估计，以比较不同类型因变量和时间点之间的变化幅度η_p²［50］．

结果

参与者

参与者的人口统计和其他背景信息总结在表4．参与者被随机分为IL组(233/466,50%)或CL组(233/466,50%)。卡方和t测试显示，除了英语作为参与者的主要语言外，IL组和CL组的基线特征没有显著差异(χ²₁= 5.6;P= .02点);英语是IL组比CL组更多参与者的主要语言(211/233,90.6% vs 194/233, 83.3%)。原始样本中共有85.4%(398/466)完成了干预后评估，41%(191/466)完成了6个月的随访评估。

完成所有3个时间点的参与者与没有完成的参与者

在t测试和曼-惠特尼测试U测试中，基线年龄未发现显著差异(P=.623)，教育(P=.052)，健康(P=.090)，语言(P=.705)，收入(P=.893)、电脑及网络知识(P=.453)、基本电脑及网页操作(P=.731)，以及网站评价(P=.929)完成所有3个时间点的参与者与仅完成预测测量的参与者之间的差异。从基线到干预后测量，IL组和CL组之间的辍学率没有统计学上的显著差异(P=.660)，从基线到6个月随访(P= .778)。

在完成所有3个时间点的人与没有完成这3个时间点的人之间发现了显著差异(P=.009)，种族和民族(P<.001)，基线计算机使用长度(P=.001)、互联网使用长度(P<.001)，电脑使用频率(P=.004)、互联网使用频率(P<.001)，电子卫生知识普及效能(P<.001)，卫生知识普及(P=.04)，以及寻求信息的能力(P= .02点)。与仅完成预测测量的参与者相比，在完成所有3个时间点的参与者中，女性的比例更高(62% vs 74%)，非裔美国人的比例更低(51% vs 26%)，在基线时报告使用电脑更频繁、时间更长(17% vs 25%)或使用互联网(8% vs 17%)的比例更高。完成所有3个时间点的参与者在基线时也报告了更高的电子健康素养效能量表(平均差异=1.56)、S-TOFHLA(平均差异=2.52)和信息寻求技能测试(平均差异=1.27)得分。

假设检验

对一般线性模型的检验显示有一个具有统计学意义的模型(表5)．具有基本计算机和网络操作技能的模型产生了支持假设3的显著交互作用。学习条件与以前的电脑经验之间有显著的交互作用(F_{2, 55}= 3.69;P= 03)。对分解相互作用结果的简单效应进行了检验。具体来说，从干预后测量到6个月的随访，在IL组中，平均而言，处于很少或没有计算机经验的组(平均- 0.59,SE 0.54)比处于中等计算机经验的组(平均- 1.06,SE 0.25)或较高计算机经验的组(平均- 1.65,SE 0.35)更有利于保留计算机技能。相比之下，在CL组中，平均而言，在计算机经验丰富(平均- 0.60,SE 0.35)的组中，比在中等计算机经验(平均- 0.64,SE 0.21)或很少或没有计算机经验(平均- 2.40,SE 0.82)的组中更有利于保留计算机技能。假设3得到部分支持;也就是说，在某些群体中，CL的效果比IL更好地维持。具体地说,对于没有经验的人来说，单独学习可能更好，而对于有经验的人来说，合作学习可能更好．这些结果是针对计算机和网络操作技能以及干预后6个月这些技能的维持。

在检查学习条件和以前的计算机经验之间的相互作用的模型中，没有发现统计学上的显著差异，用于以下每个结果测量:电子健康素养功效、计算机和网络知识、信息搜索技能和网站评估技能(结果未显示;可根据要求从作者处获得)。假设1和假设2不被支持。

主要的影响

单因素重复测量分析显示，所有5项结果测量在测前测量、测后测量和6个月随访之间存在统计学差异(表6)．

这5项结果测量的随访比较测试显示，测试前和测试后测量的平均分数有统计学意义上的改善(P<。5例均为001)。随访比较测试还显示，从测试后测量到6个月随访的5项结果测量中，有3项的平均得分有统计学意义上的显著下降:电子健康素养功效、计算机和网络知识以及基本计算机和网络操作技能(P<。所有3例均为001)。其余2项结果测量从测试后测量到6个月随访的平均得分无统计学意义上的差异。P=.774)和信息搜寻技能(P= .365)。

Postintervention问题

CL组(100%满意度)和IL组(99%满意度)之间的参与者满意度没有显著差异(N=382)。χ²₁= 1.1;P= 29)。总体而言，两组参与者对干预都有满意的体验。

CL组和IL组在同伴学习和辅导学习方面存在显著差异(N=382)。χ²₄= 29.2;P<.001)，在课堂上与同学互动的数量(N=382，χ²₄= 84.3;P<措施)。为了证明有效性，CL组的个体报告从同伴和教程的组合中学习，而IL组的个体报告“只”从教程中学习。同样地，IL组的个体报告了与同伴的低互动，而CL组的个体报告了与同伴的高互动。

讨论

主要研究结果

与年轻人相比，老年人不太可能使用互联网来完成接收检测结果、更新处方和安排约会等任务，部分原因是老年人的数字能力水平较低[51］．COVID-19大流行使得在网上获取卫生信息和服务几乎成为必要[52，53]，加剧了对电子卫生知识普及的需求。非常需要有效的干预措施，以确保在大流行期间和之后老年人的数字包容。本研究的主要发现如下:(1)在干预后立即测量，老年人的电子健康素养学习在协作学习和单独学习方面没有重大差异;(2)然而，为了保持长期的利益，最好是与其他有类似计算机经验的人合作学习;(3)无论IL或CL方法如何，该干预对提高老年人的电子健康素养有效;(4)进行定期的后续培训(即加强课程)可能对改善长期收益的维持很重要。值得注意的是，我们的样本包括了很大比例的非裔美国人(188/466,40.3%)和拉丁裔(88/466,18.9%)参与者。过去20年关于电子卫生干预的文献记录了缺乏对种族和少数民族样本的研究，以及继续将这些群体纳入研究的必要性[54-57］．这项研究纳入了相当一部分来自种族和少数民族的参与者，这加强了我们的eHiLL干预对来自不同群体的老年人有效的证据。

CL与IL

在这项研究中，我们比较了CL和IL对老年人学习电子健康素养和数字技能的影响。我们的数据不支持假设1和假设2。然而，假设3得到了部分支持。在6个月的随访中，CL组中拥有中等或较高计算机经验的参与者的学习能力维持得更好，而在IL组中，计算机经验较低的参与者的学习能力维持得更好。因此，以前的计算机经验可能调解学习结果和学习方法之间的关系。

我们没有发现CL和IL对任何结果测量的影响在测试前和测试后测量中有任何统计学上的显著差异。这一发现与之前的一项研究一致，该研究使用了早期的干预迭代来测试IL和CL [20.］．CL的5个原则可能会解释为什么[36］．这些原则如下:(1)确保学生明白他们的分数取决于他们个人和小组成员的表现(例如，如果小组所有成员在考试中得分达到一定百分比或更高，就给每个学生加分);(2)构建个人问责制，以便评估每个学生的个人贡献(例如，通过进行个人测试，让每个学生解释他们对小组的贡献，或观察小组互动并记录每个学生的贡献);(3)通过面对面的互动，确保学生相互帮助、协助、支持、鼓励和赞扬彼此的学习努力;(4)确保学生具备必要的社交技能(如沟通和领导能力)，并在小组中正确运用这些技能;(5)确保学生有足够的时间参与小组互动，反思哪些有效，哪些无效，并决定哪些行动应该继续或改变。

然而，这些原则是为正式教育环境制定的，不太适用于非正式环境[24，36］．因此，在本研究中，并没有包括所有的原则。例如，文献表明，建立依赖性和问责制很重要，这在正式的教育环境中是有效的[36］．在这项研究的背景下，个人的成功并不是被设计成依赖于群体的成功。此外，从本质上讲，这项研究不能以任何正式的方式要求个体群体成员对群体的成功负责。每个参与者的个人贡献没有被正式评估，但让每个参与者解释他们对小组的贡献，或者观察小组的互动并记录参与者的贡献，可能会在小组内产生更强的问责感，这是合理的。未来的研究应评估创造性的方法，以确保在非正式环境中老年学习者的依赖性和责任感。

文献发现CL在非正式环境中对老年人有效[26]，尽管从测试前测量到测试后测量的计算机培训尚未得到支持[20.，21，34］．eHiLL先前的研究[20.，21，34]没有进行随访，因此没有证据表明CL的纵向影响。在这项包括随访的研究中，CL在长期的某些条件下确实更好地工作。

在非正式学习中，计算机学习比其他科目更具挑战性[58］．另一个挑战是CL研究通常不提供确保协作的详细说明[59］．因此，在本研究中，随着参与者在模块中的进步，我们提供了更详细的协作指导。参与者的回答表明，他们确实按照小组分配的任务进行了合作学习或单独学习;我们的CL策略不太可能在招揽CL方面不够。

团体组成

与假设1相似，假设2被拒绝，无论学习条件还是分组组成，均无统计学差异。然而，对假设3的部分支持可能提供了一些关于群体组成如何影响长期学习结果的见解。分组组成似乎取决于分组参与者的特征。在这项研究中，CL组和IL组在组内参与者的熟悉程度方面没有差异。然而，文献记录了与团队伙伴的熟悉程度可能是促进合作的一个因素[40，41，60］．在有熟悉或不熟悉伴侣的老年人中，CL与IL的相对好处需要进一步研究。

我们的研究结果确实表明，从长期来看，根据以前的计算机经验进行分组可能对老年人的学习特别重要。本研究的发现得到了本教程以前版本的早期研究的补充[20.］．根据之前研究的信息，参与者之前计算机经验的差异可能至少部分地影响了他们的学习经验和结果。谢(20.他们发现，当教师不得不经常停下来帮助经验不足的学生跟上基本的操作(如操作鼠标)时，经验丰富的学习者有时会感到沮丧，觉得自己没有充分利用自己的时间。相反的情况也会发生:缺乏经验的学习者有时会感到尴尬和沮丧，有时会被经验丰富的同龄人吓倒。这些观察，除了来自文献的指导之外[43]，支持这项研究的改变，即根据老年人以前使用电脑的经验将他们分为不同的组。这项研究的结果表明，当更有经验的老年人与其他有类似计算机经验的人在一起时，CL可能是最有益的。也许，当团队成员已经获得了足够的经验时，他们可以利用集体的经验相互学习[61］．相比之下，具有较低集体经验的CL群体可能没有足够的组合技能和知识来有效地进步。最近的一项系统综述也表明，知识水平和经验似乎是形成教育群体最合适和最重要的属性，因为它对群体结果的影响[62］．因此，从长远来看，IL可能更适合以前计算机经验较低的老年学习者，因为每个人都可以以舒适的速度移动，并且可能不会羞于寻求帮助。

电子保健干预的总体影响

在这项研究中，我们检查了干预对5项结果的影响:电子健康素养功效、计算机和网络知识、基本计算机和网络操作、信息搜索技能和网站评估技能。总体而言，结果显示，从干预前到干预后，所有5项结果均有统计学上的显著改善(P<。所有情况都是001)。因此，CL或IL干预在提高老年人的电子健康素养方面是有效的。效应量从0.167到0.676不等，表明所有5个结果的改善幅度都很大(根据用于解释效应量值的一般准则:0.01=小效应量，0.06=中等效应量，≥0.14=大效应量)[50］．这些结果与之前的eHiLL研究一致，其中包括3个相同的结果变量(计算机和网络知识，计算机和网络技能，以及电子健康素养)，也具有较大的效应量[20.，21，33，34］．干预措施在不同人群和背景下的持续显著效果突出了干预措施在提高老年人电子卫生素养方面的潜在普遍性。

纵向的影响

在这项研究中，我们纳入了6个月的随访，以评估改善的保留情况。总体而言，从干预后测量到6个月随访，得分有所下降，5项结果中有3项(电子健康素养功效、计算机和网络知识、基本计算机和网络操作;P<。所有3例均为001)。在信息寻求技能和网站评价方面的下降没有统计学意义。电子卫生素养是多维的，随着时间的推移，其某些组件可能比其他组件更好地保留下来。然而，如果随访时间较长，如1年，总体上可能会观察到更糟糕的长期影响。最近一项评估老年人认知训练的研究发现，在最初的高强度训练一年后，几乎没有益处。63］．这项研究的结果表明，需要资源来提供持续的培训或定期的提升，因为从测试前到测试后测量中获得的益处在6个月后就会下降。一项研究[64评估老年人的认知能力训练，包括长期加强训练(干预后11个月和35个月)和长期随访测试(1年、3年和5年)，发现干预的效果在5年后仍然存在。需要进一步的研究来了解这种“助推器”训练需要多久进行一次，以最大限度地利用资源(例如，每1、2或3个月)。观察长期效果的另一个有希望的训练组成部分可能是频繁的测试，这可能会导致练习-检索效果-有一些证据表明，在干预阶段更频繁的测试与长期技能保留有关[65］．

除了包括6个月的随访外，本研究还解决了先前eHiLL研究的其他局限性。由于随机化，我们纳入了大样本量，更均匀的基线组组成和组大小，以及教员的一致性。在早期的eHiLL研究中，由于资金有限，控制教员的变化是不可行的。早期的eHiLL研究使用许多研究生作为培训班的讲师，他们通过各种机制招募——一些是兼职研究助理，一些获得课程学分，还有一些只是志愿者。这些研究生的热情说明了培训计划的可持续性，但从干预研究的角度来看，这些讲师之间的个体差异(如个性、教学风格、经验、时间投入和激励)可能会在之前的研究中引入不必要的混杂变量。因此，在本研究中，我们为少数教师提供了全职支持，以尽量减少这一因素的潜在影响。总之，与早期的研究相比，本研究为干预的整体有效性及其各个组成部分提供了更强的支持。这些证据应该能够使其他研究人员使用其他样本、设置、学习条件或交付方法来复制这项工作。

优势与局限

首先，这项研究的大样本量确保了研究结果有足够的统计力;然而，该样本可能不能代表一般的老年人口。其次，由于种族、民族、性别和电脑使用经验而导致的不同辍学率表明，需要额外的剪裁来促进更好的依从性。例如，He et al [66]发现证据表明，基于机器学习的方法提供了个人特征和以前的干预数据，可以为预测依从性提供有用的信息，为依从性支持策略的目标对象和何时提供支持提供初步线索。进一步评估这些类型的创新对于加强干预措施支持那些有不良依从风险的人的能力至关重要。其他研究人员应该在其他社区用不同的老年人样本重复这项研究，这将有助于进一步加强eHiLL干预的普遍性。

第三，任何与技术相关的干预都有一个不可避免的局限性，即技术发展迅速，使得一些干预成分(以及相应的结果测量)过时。对于未来的干预措施(例如，基于移动设备和应用程序以及新技术支持的基于语音的网络搜索)，必须不断更新干预组成部分和结果衡量标准。我们的研究结果表明，电子健康素养是多维的，随着时间的推移，它的一些组成部分(例如，在网络上搜索相关信息以解决特定任务的能力，如我们的信息搜索技能测试，以及评估网站上健康信息质量的能力，如我们的网站评估测试)可能比其他部分(例如，电子健康素养功效、计算机和网络知识，以及基本的计算机和网络操作)更好地保留。这一现象值得未来进行系统调查，这可能会导致针对电子卫生扫盲的特定维度或组成部分制定更细粒度的干预措施。

未来研究的启示和方向

考虑到这项工作在十多年来开展的更大工作计划中的背景，有强有力的证据表明，老年人可以通过各种学习条件提高他们的电子卫生素养。这一点很重要，因为提高老年人的电子卫生素养可以在几个方面对他们的健康管理产生实质性的积极影响。例如，那些了解电子健康的人可以利用许多技术，使医疗保健提供者能够远程实时监测一个人的健康状况。患有糖尿病的老年人可以上传饮食记录、血糖水平和服用的药物，提供者可以每天检查并提供反馈。67］．与老年人相关的还有可以检测日常活动变化(如跌倒)的工具，以及发送提醒人们锻炼或服药的通知的设备[67］．这些技术只有在具备使用它们的电子健康知识的情况下才有用。

此外，能够将电子健康纳入他们的健康管理可能有助于减少其他压力源。例如，知道如何浏览一个基于网络的健康门户网站可以帮助节省时间，让老年人通过基于网络的信息与他们的提供者沟通，而不是等待电话只是把他们的信息传递给一个不是他们的医生的人。这可能会减轻因错过医生办公室的电话而带来的压力，因为他们知道只要有消息，他们就可以随时查看。同样，老年人可以通过在网上预约他们的医生来节省时间。随着远程医疗变得越来越普遍，在适当的时候，老年人可以在自己舒适的家中预约，这有助于减少寻找最适合他们的交通工具的日期和时间所带来的压力。电子保健有潜力提高老年人的健康和福祉，提高电子保健知识是帮助他们实现这一目标的第一步。

进一步的研究还应研究需要多长时间进行强化训练才能使资源最大化。可伸缩性应该是未来研究的兴趣，以评估这种干预可能产生的大规模影响。正在计划未来的研究，以评估远程学习或混合模式的干预有效性，这些模式可能更适合应对COVID-19大流行的世界。远程学习模式的干预是有效的，这一发现将有助于加强这一干预有可能在国家层面推广的证据。最后，在本研究中，以往经验的群体构成是一个关键因素;然而，未来的研究可以评估是否存在其他更有效的群体组成可能性，例如基于自我评估的技术熟练程度(即计算机、移动设备和网络熟练程度)的群体。评估这些熟练程度的工具[68-70]可以被纳入评估基于整体技术熟练度高低的分组是否会带来更有效的培训，正如小组组成与学习条件之间的相互作用所表明的那样。