eHLA是在2011年至2016年期间通过多次迭代的持续测试和调整开发的，目的是拥有一个强大和足够的工具包。gydF4y2Ba 表1gydF4y2Ba提供该过程中包含或开发和测试的10个工具的概述。eHLA的最初候选工具于2011年确定。作者ON在24名糖尿病患者中对5种工具进行了评估。在这些初步结果的基础上，2012年用4个工具进行了第二次迭代。gydF4y2Ba

该迭代在7名慢性阻塞性肺病(COPD;gydF4y2Ba 表1gydF4y2Ba) [gydF4y2Ba 22gydF4y2Ba］．在此评估期间，所有工具的项目数量都减少了[gydF4y2Ba 22gydF4y2Ba］．gydF4y2Ba

2014年，eHLA增加了2个新的量表和一份现有的问卷。作者DF在认知测试(n=4)和初步研究(n=7)中对第三次迭代进行了评估[gydF4y2Ba 18gydF4y2Ba，gydF4y2Ba 19gydF4y2Ba］．gydF4y2Ba

2015年春季，第四次迭代进行了小幅调整，在8次认知访谈中进行了测试，并在187名受访者的便利样本中进行了验证，他们完成了工具包的数字版本[gydF4y2Ba 23gydF4y2Ba］．2015年秋季，5次认知访谈导致了与健康相关工具的微小调整，并增加了一个探索对健康和卫生保健熟悉程度的工具。gydF4y2Ba

使用认知访谈持续测试eHLA的迭代，以确保每个工具中的项目都被理解为预期[gydF4y2Ba 22gydF4y2Ba，gydF4y2Ba 24gydF4y2Ba］．在每一次认知访谈中，受访者都提供了一份纸质的eHLA。然后，受访者被要求填写问卷，而面试官则仔细观察并记录导致受访者出现问题或犹豫的项目。问卷填写完成后，采访者和被调查者会对问卷进行通读，重点分析被调查者难以理解的问题。面试官会问:“你在回答这个问题的时候在想什么?”这个过程引出了答案背后的认知过程。如果需要，可以使用提示:“您为什么选择该响应选项?”这个过程的目的是消除模糊的项目，与以前的经验密切相关的项目，以及倾向于更大人群的项目，如女性或心脏病患者。gydF4y2Ba

共有7个工具，4个与健康相关，3个与数字相关，组成了eHLA的验证版本(相比之下gydF4y2Ba 表1gydF4y2Ba)。4个与健康相关的工具是功能健康素养(工具1)、自我评估健康素养(工具2)、对健康和卫生保健的熟悉程度(工具3)以及对健康和疾病的知识(工具4)。3个与数字相关的工具是对技术的熟悉程度(工具5)、技术信心(工具6)和使用技术的激励措施(工具7)gydF4y2Ba 多媒体附件1gydF4y2Ba并附有英文摘录的项目gydF4y2Ba 多媒体附件2gydF4y2Ba．gydF4y2Ba

共有3个其他工具进行了测试，但后来在验证前从eHLA中移除。gydF4y2Ba

eHEALS [gydF4y2Ba 9gydF4y2Ba]被纳入初始开发阶段，因为这是当时衡量电子卫生素养的唯一可用工具。但是，由于对丹麦的适用范围有限，主要是因为在几个项目中使用了"因特网上的保健资源"一词，因此将其删除。特别是，在丹麦，“资源”一词不能翻译成一个与个人使用保健系统有关的简单概念。gydF4y2Ba

由Powers等人提出的由3个问题组成的工具，用于识别功能健康素养有限的患者[gydF4y2Ba 25gydF4y2Ba)显示出辨别参与者识字水平的能力有限，随后被省略。gydF4y2Ba

COPD工具被开发并添加到eHLA的第二迭代中，以评估患者的关键健康和识字水平，但后来被删除，以避免使用特定疾病的工具。此外，回复是以自由文本的形式给出的，这使得分析更加复杂[gydF4y2Ba 22gydF4y2Ba］．gydF4y2Ba

共有4个工具用于评估与健康相关的素养，3个工具用于评估与数字相关的素养。计算了工具间的相关性，以提高对工具如何补充和可能相互重叠的理解。预期这7个工具衡量了电子卫生素养的不同方面，但在卫生和数字素养的每个领域内具有更高的相关性。gydF4y2Ba

初始数据分析评估了下限和上限效应、项目间相关性、项目与总相关性以及Cronbach系数alpha (CCA)的计算[gydF4y2Ba 26gydF4y2Ba］．在项目数量可能减少后，进一步分析检验了数据与Rasch模型(RM)的拟合[gydF4y2Ba 27gydF4y2Ba，gydF4y2Ba 28gydF4y2Ba]并根据年龄和性别评估差异项目功能[gydF4y2Ba 29gydF4y2Ba］．我们使用安德森条件似然比(CLR)检验评估子量表与RM的整体拟合[gydF4y2Ba 30.gydF4y2Ba]，通过比较观察到的和预期的项目休息得分相关性来测试单个项目的拟合性[gydF4y2Ba 31gydF4y2Ba]，并评估DIF和局部依赖关系(LD;［gydF4y2Ba 32gydF4y2Ba])，使用第三季指数[gydF4y2Ba 33gydF4y2Ba]对数线性RM检验[gydF4y2Ba 34gydF4y2Ba］．在其他分析中，我们评估了整体拟合性和添加LD的对数线性RM中的项目拟合性。gydF4y2Ba

Pearson相关系数用于估计7个工具之间的相关性。gydF4y2Ba

在最后一轮验证中，对项目的减少和调整是在作者的小组会议中完成的，所有决策都是基于统计结果、项目内容和认知访谈的信息做出的。gydF4y2Ba

根据丹麦法律，当根据《赫尔辛基宣言》进行基于调查的研究时，不需要伦理委员会的具体批准和书面知情同意。向潜在受访者提供了有关调查及其目的的信息，包括参与是自愿的。参与者完成调查被认为是默示同意。gydF4y2Ba

门诊共收集问卷100份(纸笔)，社区共收集问卷375份(纸笔328份，数字47份)。最终验证样本包括475份问卷。参见《社会人口统计》gydF4y2Ba 表2gydF4y2Ba．gydF4y2Ba

eHLA的最终版本是在丹麦的原始版本gydF4y2Ba 多媒体附件1gydF4y2Ba的英文节选gydF4y2Ba 多媒体附件2gydF4y2Ba．gydF4y2Ba

验证结果总结在gydF4y2Ba 表3gydF4y2Ba．gydF4y2Ba

工具1由404名参与者完成验证。分数的分布很不平衡。满分为10分的有273人(67.6%)，9分的有93人(23.0%)，8分以下的有28人(9.5%)。gydF4y2Ba

项目间相关性在0.03到0.39之间，项目与总相关性一般较低，在0.40到0.55之间。没有发现LD或DIF的证据。与RM的整体拟合是可以接受的(Anderson CLR=10.8, df=9，gydF4y2Ba PgydF4y2Ba=.29)， CCA为.67。gydF4y2Ba

没有执行项目的减少，因此，eHLA工具1的最终版本由10个项目组成。gydF4y2Ba

在第一次减少中，20个项目中有4个被删除，其中2个是因为DIF的证据。在第二轮缩减中，Rasch对HLS矩阵进行了分析和考虑，以覆盖框架为目标，进一步删除了7个项目。这产生了一个9项的子量表，具有结构和内容效度。总体拟合对数线性RM是可以接受的(Anderson CLR=78.4, df=45，gydF4y2Ba PgydF4y2Ba=.002)， CCA为.85。gydF4y2Ba

在最初的分析中，项目与总数的相关性在0.54到0.79之间。在第一轮削减中，基于内容和数据分析的结合，删除了5个项目。gydF4y2Ba

在第二轮缩减中，基于Rasch项目拟合统计数据评估、DIF证据和内容有效性考虑，共删除了13个项目。例如，“急诊室”项目被发现与项目总数的相关性最低，几位作者表示担心，急诊室的项目和概念将发生变化，而且由于组织结构的变化，该项目的风险可能在几年后失去意义。此外，“心肌梗死”和“胃肠炎”两项由于与RM不匹配而被删除。披露了(1,2)、(3,4)和(4,5)项对LD的证据。gydF4y2Ba

工具3的最终版本由5个项目组成，并显示出极好的拟合对数线性RM (Anderson CLR=47.7, df=40，gydF4y2Ba PgydF4y2Ba=.19)， CCA为.90。gydF4y2Ba

第一轮削减中取消了5项。减少是基于含量、项目-总相关性、DIF检验和Rasch分析的组合。项目间相关性在0.08到0.45之间，项目与总相关性在0.48到0.70之间。gydF4y2Ba

在第二轮削减中，又取消了一个项目。“脑膜炎”项在年龄和性别方面表现出显著的DIF，且项目与总相关性最低。这可能表明，有孩子的人，尤其是母亲，对脑膜炎的了解更为广泛。Rasch分析揭示了项目对(2,3)和(2,5)的LD证据。gydF4y2Ba

工具4的最终验证版本由6个项目组成。拟合对数线性RM是可以接受的(Anderson CLR=42.1, df=18，gydF4y2Ba PgydF4y2Ba=.001)， CCA为.59。gydF4y2Ba

认知访谈强调了用丹麦语和英语显示每个项目中的单词的重要性，因为受访者有时只认识其中一种语言。gydF4y2Ba

在工具5的验证数据中，项目-总相关性范围为。59到。89。根据DIF、含量和Rasch分析进行还原。例如，项目“宏”被删除了，因为它包含内容方面的模糊性，这是作者之前没有意识到的。gydF4y2Ba

这在Rasch分析中也有体现。“打开电脑”一项因为严重的天花板效应而被删除，387名(87%)受访者回答“完全熟悉”。gydF4y2Ba

工具5的最终版本包含6个项目。与RM的拟合是可以接受的(Anderson CLR=30.3, df=17，gydF4y2Ba PgydF4y2Ba=.02)， CCA为.94。gydF4y2Ba

验证数据显示，211名(47%)受访者的总分为19分或20分，得分最高。项目间相关性在0.63到0.79之间。项目与总体的相关性在。87到。91之间。在对DIF进行Rasch分析和测试后，删除了“打开并保存文件”项。gydF4y2Ba

Rasch分析表明该工具中6a和6b项之间存在LD。gydF4y2Ba

最后的工具6由4个项目组成。考虑LD对对数线性RM的拟合是可以接受的(Anderson CLR=26.1, df=21，gydF4y2Ba PgydF4y2Ba=.20)， CCA为.91。gydF4y2Ba

验证数据显示右偏数据。项目间相关性在0.39至0.83之间，项目与总相关性在0.67至0.86之间。年龄和性别的DIF与其中3项有显著相关性，但不是很强。gydF4y2Ba

基于Rasch分析和内容评价，共剔除2个条目。“电脑让我们走得更近”这一项在项目与总体的相关性中表现得很差，而且内容被评估为基于观点的，不一定是动机的指标。这些项目旨在探索与受访者自身经历相关的动机。因此，“计算机在日常生活中是有用的”这一项被排除在外，主要是因为它的模糊性和与受访者自身的情况缺乏相关性。Rasch分析揭示了项目对(1,2)和(3,4)的LD和项目2的DIF在性别方面的证据。gydF4y2Ba

工具7的最终版本由4个项目组成。考虑LD和DIF的对数线性RM的拟合是可以接受的(Anderson CLR=23.0, df=29，gydF4y2Ba PgydF4y2Ba= 0.78)， CCA为0.90。gydF4y2Ba

验证总结在gydF4y2Ba 表3gydF4y2Ba．gydF4y2Ba

所有7个工具之间的相关性均使用Pearson相关系数进行估计gydF4y2Ba 表4gydF4y2Ba)。与健康相关的工具具有0.18(工具1和工具2)到0.41(工具2和工具3)的相关性。Pearson相关系数的结果表明，3个数字相关工具(工具5、工具6和工具7)与0.70(工具5和工具7)到0.83(工具5和工具6)的分数强相关。gydF4y2Ba

在数字和健康相关工具中，对健康和卫生保健(工具3)的熟悉程度和对技术的熟悉程度(工具5)的工具间相关性最高(0.40)。gydF4y2Ba

eHLA为深入了解人们的健康相关素养以及他们对数字解决方案的信心、熟悉程度和动机提供了手段。该工具包由7个工具组成，这些工具有效地测量了符合对数线性均方根的构造，从而显示了基本的有效性和客观性[gydF4y2Ba 35gydF4y2Ba］．gydF4y2Ba

eHLA的开发是为了能够迅速和可靠地评估一个人的电子卫生素养水平。筛选格式在以下方面影响了设计和开发过程:(1)项目总数的限制和(2)工具应作为自我管理兼容。gydF4y2Ba

最初，使用现有的工具。然而，测试的工具与筛选格式相冲突，这促使了新工具的开发。这一发展过程使人们对电子卫生扫盲的各个方面有了更深入的了解。然而，新工具的开发是一项广泛的任务，如果已经存在有效和有用的工具，则不建议这样做。gydF4y2Ba

基于绩效的功能性健康知识普及工具(工具1)的结果受到得分低的应答者数量少的影响。这可能是由于我们的人群样本在验证中，因为一项研究表明，丹麦验证版本的成人功能性健康素养测试确定26%的COPD患者人群(平均年龄68.7岁)的功能性健康素养水平不足[gydF4y2Ba 36gydF4y2Ba］．这可能表明eHLA的工具1更适合用于患有慢性疾病的老年人的研究。gydF4y2Ba

此外，工具1(功能性健康素养)与数字相关工具的相关性高于与健康相关工具中的2个工具(工具2和3)。工具1测试在健康背景下的阅读、写作、理解和计算能力，这些技能可能更类似于信息素养和基本素养，因为它与技术有关。gydF4y2Ba

通过eHLA的工具2，引入了9个项目的HLS-EU-Q47简短问卷[gydF4y2Ba 19gydF4y2Ba］．自评健康知识普及工具在统计测试中表现良好。最初的验证版本包括从HLS-EU中选择的20个项目。总的来说，在这20个项目中，分类水平较高的项目(评价和应用)在统计测试中的表现不如分类水平较低的项目(发现和理解)。Neter和Brainin的一项研究表明，评估和应用应该归为一类[gydF4y2Ba 37gydF4y2Ba］．这些发现得到了我们分析结果的支持，其中工具2的最后9个项目涵盖了HLS-EU矩阵中的所有分类级别，当评估和应用类别合并时。因此，我们估计9项版本是HLS-EU-Q47的可靠和有效的短版本。gydF4y2Ba

工具3和工具4是为eHLA开发的，两个工具中的项目都涉及特定的健康要素，工具3是自我评估的，工具4是性能测试的。工具1和工具2评估与卫生服务中的信息处理和导航相关的卫生能力，而工具3和工具4侧重于个人对卫生和卫生保健的熟悉程度和知识。工具3和工具4的验证版本是健康和卫生保健熟悉度和知识的有力衡量标准，没有偏袒特定患者群体的项目。gydF4y2Ba

值得注意的是，在与健康相关的工具之间，两种性能测试之间的相关性更高(工具1和工具4)，而两种自我评估工具之间的相关性更高。这可能表明自我评估和绩效方法之间的区别。gydF4y2Ba

7种工具之间的Pearson相关系数检验显示，与健康相关工具之间的相关性相比，数字相关工具(工具5、6和7)之间的相关性非常高。这可能表明这3个工具涵盖了一些相同的结构。因此，一个电子健康项目可能只需要管理3个数字相关工具中的1个，可以根据是否更需要调查动机、安全感或技术熟悉度来选择。gydF4y2Ba

与eHEALS一样，eHLA不包括Gilstad提出的外部因素[gydF4y2Ba 12gydF4y2Ba]，例如社会和上下文素养。gydF4y2Ba

该工具包的局限性在于，它不包括用于评估Web 2.0环境下数字素养的交际和社交方面的工具。该地区现有的工具非常稀缺，测量的对象也非常分散。gydF4y2Ba

招募是在一般人群样本以及在门诊进行的。招聘是高效的;然而，由于数据收集设计的原因，无法进行退出分析，这是本研究的一个局限性。gydF4y2Ba

Norman和Skinner的eHEALS是基于百合模型及其6个子分支[gydF4y2Ba 8gydF4y2Ba，gydF4y2Ba 9gydF4y2Ba］．然而，eHEALS结果是作为总和得分计算的，尽管项目中可能有2个或更多的构造[gydF4y2Ba 37gydF4y2Ba，gydF4y2Ba 38gydF4y2Ba]，总和分数并不能反映电子卫生素养作为一个多维结构。eHLA包含百合模型中所有6个子素养的元素，并将健康和数字素养区分开来。验证表明，eHLA的工具衡量了数字健康的不同方面。如果将数字素养和卫生素养视为百合模型的核心要素，那么eHLA的工具就有可能详细阐述百合模型的关键要素[gydF4y2Ba 39gydF4y2Ba，gydF4y2Ba 40gydF4y2Ba］．gydF4y2Ba

van der Vaart等人的一项研究表明，eHEALS分数与实际互联网使用的相关性很低[gydF4y2Ba 39gydF4y2Ba］．与eHEALS类似，eHLA主要基于自我评估，只有工具1和4是与健康相关的测试(但是自我报告的测试)，没有确定任何性能工具适合eHLA中使用的筛选格式，这将被视为一种限制。然而，随着eHLA成为筛选电子健康项目参与者的工具包，我们认为自我评估的技能将对技术的实际使用至关重要。一项研究表明，使用电脑对提高对电脑的自信和对电脑的态度有积极的影响。此外，这两个因素对计算机知识有积极的影响[gydF4y2Ba 41gydF4y2Ba］．gydF4y2Ba

未来的研究将不得不调查ela分数与电子卫生项目参与者实际使用电子卫生技术之间的相关性。gydF4y2Ba

DHLI主要衡量健康背景下的数字技能[gydF4y2Ba 17gydF4y2Ba]，而eHLA则分别评估数字和健康相关措施。尽管在eHLA的技术熟悉度量表和DHLI的操作技能构建之间存在重叠，但eHLA的工具和DHLI的子量表可以组合起来以适应特定电子医疗项目的需要。必须进行进一步的研究，以探索可能的组合。gydF4y2Ba

eHLA和eHLQ同时开发。eHLQ项目基于eHLF的7个维度，其7个量表提供了关于个人或人群电子卫生素养水平的详细见解。eHLA工具具有更易于理解和特定于内容的项，使工具包在实践设置中有用。eHLA中的工具评估卫生素养和数字素养，尽管eHLQ也包含这些元素，但eHLA的工具是全面的，结合了自我评估和技能测试。这些优点使eHLA适合用于筛选目的。gydF4y2Ba

eHLA的7个工具都在统计验证测试中表现良好。eHLA的构建和验证使未来的eHealth项目可以将工具包作为一个整体使用，也可以从7个工具中选择一个使用。gydF4y2Ba

未来的研究应该研究ela作为筛选工具的有效性，最好是在一组eHealth项目中测试工具包，以确定这些工具如何作为实际技能和效益的预测指标——一起使用，单独使用，或者与DHLI(例如)结合使用。此外，我们目前正在调查ela如何与经典的社会人口因素相关联，以及电子卫生素养如何补充卫生素养和赋权的评估。gydF4y2Ba

eHLA是一个经过验证的、强大的工具包，由7个工具组成，每个工具都突出了电子卫生素养中能力和资源的特定组成部分，这是在涉及电子卫生解决方案的项目中实现最佳结果所必需的。gydF4y2Ba

eHLA适用于需要筛选参与者电子卫生素养相关知识和技能的工具的研究。gydF4y2Ba