经皮冠状动脉介入治疗后患者挪威版电子健康素养量表(eHEALS)的心理测量特性:横断面验证研究gydF4y2Ba

简介gydF4y2Ba

电子保健(电子保健)提供了利用基于网络的技术重新设计和改进保健服务和健康信息的机会，这些技术可在诊断和出院后通过互联网访问[gydF4y2Ba1gydF4y2Ba］．使用行为方法的电子健康干预已显示出有希望的结果，并被推荐用于支持冠状动脉疾病的临床和二级预防护理，如冠状动脉血运重建(如经皮冠状动脉干预)[gydF4y2Ba2gydF4y2Ba］．电子卫生也已被证明是一种具有成本效益的解决方案，对于提高二级预防规划的地理可及性至关重要，特别是作为现有规划的补充或在没有其他方案时。电子卫生干预措施可针对自然环境，患者可酌情获得资源[gydF4y2Ba2gydF4y2Ba］．然而，与患者相关的障碍，特别是低健康素养和社会经济地位，仍然是在心脏病学中大规模部署电子健康的障碍[gydF4y2Ba1gydF4y2Ba］．此外，电子卫生素养较低的患者使用电子卫生资源与卫生保健专业人员沟通和获取健康信息的几率较低[gydF4y2Ba3.gydF4y2Ba］．了解患者不同的电子健康素养——定义为从电子来源寻找、查找、理解和评估健康信息，并应用所获得的知识来解决或解决健康问题的能力[gydF4y2Ba4gydF4y2Ba因此，在开发和实施电子卫生资源时至关重要。通过评估电子卫生素养以确定技能差距，可以更好地帮助那些舒适度较低的人利用电子卫生可以提供的潜在好处，并使患者能够充分参与与健康相关的决策[gydF4y2Ba4gydF4y2Ba］．因此，为了评估这些益处，识别和验证评估患者感知的电子健康素养技能的患者报告结果测量(PROMs)对于未来制定有效的以患者为中心的电子健康信息策略至关重要[gydF4y2Ba5gydF4y2Ba］．gydF4y2Ba

迄今为止，关于最适合评估电子卫生素养的prom的证据有限。系统综述报告称，在不止一项研究中，电子健康素养量表(eHEALS)是唯一用于衡量电子健康素养的PROM [gydF4y2Ba6gydF4y2Ba，gydF4y2Ba7gydF4y2Ba］．eHEALS基于eHealth素养百合模型评估患者感知的电子健康素养技能，该模型结合了六种素养类型[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba8gydF4y2Ba］．传统素养、媒体素养和信息素养是分析性的组成部分，涉及适用于广泛信息源的技能，而科学素养、计算机素养和卫生素养类别则是特定于情境的，依赖于更多特定于情境的技能。综合起来，这六种识字类型形成了充分优化患者电子健康体验所需的基本技能。eHEALS的基本理论部分基于自我效能理论和社会认知理论。这两个理论框架促进了能力和信心，作为行为改变和技能发展的先驱[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba8gydF4y2Ba］．更具体地说，eHEALS是基于这样一个前提，即Lily模型中的核心素养不是静态的，而是面向过程的技能，随着新技术的引入和个人、社会和环境上下文的变化，这些技能会随着时间的推移而发展。gydF4y2Ba8gydF4y2Ba］．这样看来，百合模型显然与社会认知理论有关，因为它是基于行为、环境影响和个人因素相互作用和影响的因果模型[gydF4y2Ba9gydF4y2Ba］．这意味着电子健康素养受到患者当前健康问题、教育背景、电子健康遭遇时的健康状况、寻求信息的动机以及所使用的技术的影响[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba8gydF4y2Ba］．gydF4y2Ba

eHEALS已被改编成亚洲不同的语言[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba10gydF4y2Ba-gydF4y2Ba13gydF4y2Ba]和欧洲[gydF4y2Ba14gydF4y2Ba-gydF4y2Ba18gydF4y2Ba］．此外，心理测量学特性已在不同人群中进行评估，如学生[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba19gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba]，成人[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba11gydF4y2Ba，gydF4y2Ba16gydF4y2Ba-gydF4y2Ba18gydF4y2Ba，gydF4y2Ba21gydF4y2Ba]，以及患有慢性疾病的病人[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba]，以及在澳洲的不同文化中[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba24gydF4y2Ba]及北美[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba17gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba-gydF4y2Ba22gydF4y2Ba］．在eHEALS的大多数语言版本中，内部一致性信度系数显示为可接受的(范围为0.80至0.90)[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba11gydF4y2Ba-gydF4y2Ba13gydF4y2Ba，gydF4y2Ba15gydF4y2Ba-gydF4y2Ba19gydF4y2Ba，gydF4y2Ba23gydF4y2Ba]，表示一个可靠的量表。从构念效度来看，大部分研究支持单因素模型[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba10gydF4y2Ba，gydF4y2Ba12gydF4y2Ba-gydF4y2Ba14gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba，gydF4y2Ba25gydF4y2Ba]按原比例尺推荐[gydF4y2Ba4gydF4y2Ba]，而其他一些研究则建议采用2因素[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba18gydF4y2Ba]或3-factor [gydF4y2Ba9gydF4y2Ba，gydF4y2Ba21gydF4y2Ba，gydF4y2Ba24gydF4y2Ba)模型。然而，当评估eHEALS结构的维度时，所有这些研究都有所不同。据我们所知，迄今为止，北欧-波罗的海国家尚未发表过ehealals的验证版本，并且在急性冠状动脉护理环境(如经皮冠状动脉介入治疗后)患者中使用的证据有限。gydF4y2Ba

因此，在目前的研究中，假设是测试和评估现有的知识。例如，慢性疾病患者的eHEALS评分较低[gydF4y2Ba3.gydF4y2Ba]， eHEALS评分因年龄和受教育程度不同而有差异[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba14gydF4y2Ba］．在心力衰竭患者中，eHEALS评分与生理和心理健康之间的显著关系已被描述[gydF4y2Ba23gydF4y2Ba］．据报道，在中等至高度心血管风险人群中，电子健康素养和健康素养与患者对电子健康有用性的看法之间存在关联[gydF4y2Ba26gydF4y2Ba]，而风湿病患者的eHEALS评分与与健康相关的互联网使用之间存在弱至中等相关性[gydF4y2Ba14gydF4y2Ba］．这一证据构成了我们根据基于共识的健康状况测量仪器选择标准(COSMIN)进行验证的假设检验的基础[gydF4y2Ba27gydF4y2Ba]本研究中eHEALS分数与人口统计信息、与健康相关的互联网使用、健康素养和健康状况之间的关系(gydF4y2Ba表1gydF4y2Ba)．gydF4y2Ba

因此，本研究的目的是翻译和适应eHEALS在挪威的条件，并确定其心理测量特性。更具体地说，我们开始确定经皮冠状动脉介入治疗后患者使用eHEALS的自我报告格式的信度(内部一致性、测试-重测)和结构效度(结构效度、假设检验和跨文化效度)。gydF4y2Ba

方法gydF4y2Ba

设计gydF4y2Ba

该验证研究采用横断面设计，是更大的前瞻性多中心队列研究CONCARD的一部分gydF4y2Ba^{一种总线标准gydF4y2Ba}，旨在找出患者治疗过程中的瓶颈和障碍，并为接受经皮冠状动脉介入治疗的冠状动脉疾病患者提供最佳服务时机，并与患者的偏好保持一致[gydF4y2Ba28gydF4y2Ba］．在整个验证过程中，本研究遵循计量属性关系的COSMIN分类学。制定COSMIN分类法的目的是改进健康测量仪器的选择。它包括三个领域(可靠性、有效性和响应性)，其中包含测量属性[gydF4y2Ba27gydF4y2Ba］．COSMIN分类法已广泛用于选择用于观察性研究的健康测量仪器。为了确保适当的报告，验证研究也按照加强流行病学观察性研究报告(STROBE)的声明进行，该声明构成了一个既定的项目清单，在分析流行病学的三个主要研究设计(队列研究、病例对照研究和横断面研究)的文章报告中应处理这些项目[gydF4y2Ba29gydF4y2Ba］．gydF4y2Ba

流程与参与者gydF4y2Ba

该研究包括2017年6月12日至2018年12月在挪威三所大型大学医院接受经皮冠状动脉介入治疗的1695名患者。gydF4y2Ba图1gydF4y2Ba)．这三所挪威大学医院是根据包括CONCARD在内的一个致力于研究小组的存在而选择的gydF4y2Ba^{一种总线标准gydF4y2Ba}研究护士和当地首席研究员，以及先前的研究经验，包括研究基础设施，地理位置和规模。经皮冠状动脉介入中心每年进行900至2000例(平均1531例)手术，拥有482至1400张床位(平均860张)，是总共17家当地医院的冠状动脉造影和经皮冠状动脉介入的转诊中心。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

纳入标准为接受经皮冠状动脉介入治疗，年龄≥18岁，纳入时居住在家中，并在纳入时能够使用可上网的电子设备。排除标准是不会说挪威语或由于能力下降而无法填写自我报告问卷。为了防止随访时间或参与者根据不同假设做出反应的显著差异，有可能在1年内死亡的患者被排除在研究之外。被收容的患者也被排除在外，他们可能不太可能得到初级保健提供者的跟踪或使用互联网查找健康信息。同样，行经皮冠状动脉介入治疗但不植入支架的患者和行经皮主动脉瓣植入术或MitralClip相关的冠状动脉介入治疗患者往往有其他检查或治疗指征，包括其他随访程序，因此也被排除在本研究之外。gydF4y2Ba

在经皮冠状动脉介入治疗出院前，获得了与电子健康素养、与健康相关的互联网使用、健康素养、健康状况有关的自我报告，以及通过挪威侵入性心脏病学登记处和患者病历确定的人口信息和临床数据。自我报告使用铅笔和纸调查，并与作为CONCARD一部分的其他prom一起交付gydF4y2Ba^{一种总线标准gydF4y2Ba}研究。随机抽取100例患者在2周后进行ehealals重测，其中74例(74.0%)完成了重测。gydF4y2Ba

eHEALS的翻译与跨文化适应gydF4y2Ba

进行了跨文化适应过程，以达到eHEALS原始版本和挪威目标版本之间的等效性[gydF4y2Ba30.gydF4y2Ba］．翻译过程有系统地分六个步骤进行[gydF4y2Ba30.gydF4y2Ba］．在用于主要队列研究之前，对eHEALS的预最终版本进行了试点测试，包括150名患者。中描述了整个翻译过程的摘要gydF4y2Ba文本框1gydF4y2Ba．研究小组在将eHEALS英语原版中的所有单词和短语翻译成挪威语时遇到了一些困难。在eHEALS开发人员批准后，原本与“卫生资源”有关的eHEALS问题被翻译为“卫生信息来源”。参与认知访谈的患者代表报告说，他们清楚地了解项目和回答选项，并且没有对仪器的预最终版本提供任何额外更改的建议。gydF4y2Ba

研究仪器与措施gydF4y2Ba

研究人群特征gydF4y2Ba

收集的人口统计信息包括年龄、性别、公民身份、吸烟状况、教育程度(中学、职业学校、高中、学院/大学不足4年、学院/大学4年或以上)和就业状况(工作、退休或其他，包括病假、残疾养老金、求职)。临床资料包括病史(外周血管疾病、卒中、心肌梗死、糖尿病、既往经皮冠状动脉介入、既往冠状动脉搭桥术、既往其他心脏手术)和经皮冠状动脉介入指征(稳定型心绞痛、不稳定型心绞痛、非st段抬高型心肌梗死或st段抬高型心肌梗死[STEMI])。gydF4y2Ba

电子健康素养量表gydF4y2Ba

原始的英文eHEALS包括八个项目，并评估患者对自己在查找、评估和应用eHealth信息时的知识、舒适度和感知技能的感知[gydF4y2Ba4gydF4y2Ba］．问卷包含两个补充项目，与eHEALS一起使用，以更好地了解患者使用互联网获取健康信息的总体兴趣。这些项目不是eHEALS的正式组成部分，不包括在总分中。原始英文问卷显示出高水平的内部一致性(Cronbach α=.88)和适度的重测信度[gydF4y2Ba4gydF4y2Ba］．eHEALS项目用于使用半规则计算平均分，并线性转换为0-100级，得分越高表示电子健康素养越好。为了能够将eHEALS平均评分与其他研究报告的评分进行比较，量表线性转换为8-40量表，计算为8 +(从0到100的刻度)×(40 - 8)/100。gydF4y2Ba

与健康有关的互联网使用gydF4y2Ba

为了评估患者与健康相关的互联网使用情况，使用了eHEALS中以下两个补充项目:你觉得互联网在帮助你做出健康决定方面有多大用处?2.在互联网上获取医疗资源对你来说有多重要?［gydF4y2Ba4gydF4y2Ba］．另一个问题也专门为这项研究开发，以“是”或“否”作为回答选项:你是否使用互联网查找有关健康的信息?gydF4y2Ba

健康素养问卷gydF4y2Ba

卫生知识普及问题是从卫生知识普及问卷(HLQ)中选取的，该问卷评估了九个独立的卫生知识普及领域。在这项研究中，使用了两个反映资源使用技能和关键评估的域:HLQ域5(健康信息的评估，5个条目)和HLQ域8(发现良好信息的能力，5个条目)。第一个领域有一个4分的回答选项量表(非常不同意到非常同意)，第二个领域有一个5分的回答选项量表(从不能实现或总是困难到总是容易)。健康信息域评价项用于计算1 ~ 4分的总平均分，寻找良好信息域能力项用于计算1 ~ 5分的总平均分。HLQ得分低表明受访者在该领域存在困难，得分高表明受访者健康素养能力较强。如果缺失项超过2项，则认为该领域得分缺失[gydF4y2Ba31gydF4y2Ba］．HLQ显示出足够的心理测量特性[gydF4y2Ba31gydF4y2Ba，gydF4y2Ba32gydF4y2Ba]，挪威语版本的HLQ已被翻译和验证[gydF4y2Ba33gydF4y2Ba］．gydF4y2Ba

健康状况问卷gydF4y2Ba

12项简短调查RAND-12 [gydF4y2Ba34gydF4y2Ba通过12个项目评估总体一般健康状况，涵盖八个领域:身体功能(2项)、身体疼痛(1项)、身体角色功能(2项)、一般健康(1项)、活力(1项)、社会功能(1项)、情感角色功能(2项)和心理健康(2项)，总结为身心健康综合评分。RAND-12问卷已在欧洲人群中得到验证，并显示出足够的特性[gydF4y2Ba35gydF4y2Ba］．gydF4y2Ba

期望关系和子组均值gydF4y2Ba

关于eHEALS评分与人口统计信息、与健康相关的互联网使用、健康素养和健康状况之间关系的假设检验(收敛效度、已知群体效度和发散效度)是先验制定的。这些假设是基于先前关于eHEALS研究的证据，总结在gydF4y2Ba表1gydF4y2Ba．gydF4y2Ba

统计分析gydF4y2Ba

我们通过评估三个方面的结构效度来研究挪威版eHEALS的心理测量特性:结构效度、假设检验和跨文化效度[gydF4y2Ba27gydF4y2Ba］．采用描述性统计方法总结患者的社会人口学特征、临床数据、与健康相关的互联网使用情况、健康状况和eHEALS评分。估计了下限和上限的影响。序变量采用非参数检验，连续变量比较采用参数检验。连续变量用均值(SD)表征。计算了每个项目的缺失率。gydF4y2Ba

通过确定其内部一致性和重测信度来评估eHEALS的信度。采用类内相关系数(ICC)计算测试-重测信度。内部一致性可靠性(即工具上的项目如何配合在一起)使用Cronbach α计算，其中α>。70被认为是可以接受的[gydF4y2Ba27gydF4y2Ba］．gydF4y2Ba

验证性因子分析(CFAs)用于验证基于理论和先前分析的有关eHEALS构建维度的先验假设与实际数据的吻合程度。根据原量表开发人员的建议，使用CFA来探索eHEALS作为1因素模型的模型拟合[gydF4y2Ba4gydF4y2Ba]，除2因素模型外(信息查找:第1-5项和第8项;信息评估:Soellner等人提出的第6项和第7项[gydF4y2Ba15gydF4y2Ba]和3因素模型(意识:第1项和第2项;技能:3-5项;评估:项目6-8)由Sudbury-Riley等人提出[gydF4y2Ba9gydF4y2Ba］．对于CFAs，由于项目是有序的，所以使用了鲁棒加权最小二乘平均方差调整程序(WLSMV)。模型拟合度通过各种拟合优度衡量，包括模型卡方统计量及其自由度和gydF4y2BaPgydF4y2Ba值，除了近似值的均方根误差(RMSEA)(良好拟合<0.06)及其相关的95% CI外，标准化均方根残差(SRMR;良好拟合<0.08)，比较拟合指数(CFI;良好拟合>0.95)，塔克-刘易斯指数(TLI;合身>0.95)[gydF4y2Ba27gydF4y2Ba］．gydF4y2Ba

eHEALS与其他结构的收敛效度和发散效度通过计算Pearson相关系数(gydF4y2BargydF4y2Ba)和序数变量之间的Spearman相关系数(ρ)。相关系数的解释是，0.3被认为是弱相关，0.3至0.6被认为是中等相关，超过0.6被认为是强相关[gydF4y2Ba27gydF4y2Ba，gydF4y2Ba36gydF4y2Ba］．对于已知群体效度(如性别、教育程度、就业状况和使用互联网)，agydF4y2BatgydF4y2Ba采用检验或单因素方差分析。如果有显著差异的迹象(gydF4y2BaPgydF4y2Ba< 0.05)组间，采用事后分析检验多重比较，不假设方差相等(Tamhane T2统计量)来调查差异发生的位置。gydF4y2Ba

SPSS (IBM公司发布2016年，IBM SPSS统计Windows, 24.0版本;Armonk, NY, USA)用于汇总统计和相关性，并进行统计比较。使用BO Muthén和LK Muthen开发的Mplus(计算机软件，1998-2018，版本7)进行注册会计师。gydF4y2Ba

道德的考虑gydF4y2Ba

该研究得到了挪威医学研究伦理区域委员会的批准(REK 2015/57)。所有患者都提供了书面知情同意书，并保证了保密和退出研究的权利。这项研究符合《赫尔辛基宣言》中概述的伦理原则。gydF4y2Ba

结果gydF4y2Ba

研究人群特征gydF4y2Ba

共有1695名病人同意参与这项研究(gydF4y2Ba图1gydF4y2Ba)．患者平均年龄为66岁，年龄从30岁到96岁不等。大多数患者为男性，已婚/同居，因急性冠状动脉事件(不稳定型心绞痛，NSTEMI或STEMI)住院。在经皮冠状动脉介入治疗指数入院的患者中，绝大多数报告说他们可以使用具有互联网接入的电子设备。大多数患者报告说，他们使用互联网查找健康信息(gydF4y2Ba表2gydF4y2Ba)．总体而言，37.27%(499/1339)的患者表示，互联网对他们作出有关健康的决定是有用的，41.51%(555/1337)的患者表示，他们可以在互联网上获得健康资源对他们来说很重要(gydF4y2Ba多媒体附件1gydF4y2Ba)．gydF4y2Ba

心理分析gydF4y2Ba

一般性质gydF4y2Ba

平均eHEALS评分为25.66 (SD 6.23)。eHEALS项目的最高平均值为3.40，最低平均值为2.92。在所有受访者中，80%的人最有可能在所有项目中选择一个(41%)或两个(39%)回应选项，其中34%-51%的人回答“不确定”，22%-47%的人回答“同意”(gydF4y2Ba多媒体附件1gydF4y2Ba)．总共确定了45个(3%)最高可能分数和27个(2%)最低可能分数，表明上限和下限影响有限。重测的eHEALS总平均评分为53.52 (SD为19.79)，下限为5.6% (n=4)，上限为1.4% (n=1)。gydF4y2Ba

可靠性gydF4y2Ba

eHEALS的Cronbach α为>.99（gydF4y2Ba表3gydF4y2Ba)．2周重测对应的Cronbach α为0.94。eHEALS的ICC为0.605 (95% CI 0.419-0.743，gydF4y2BaPgydF4y2Ba<.001)，表明随着时间的推移具有中等稳定性。gydF4y2Ba

结构效度gydF4y2Ba

1因素模型的强标准化因子负荷，范围为0.79至0.93，表明有希望的项目属性。模型拟合的卡方检验(gydF4y2BaPgydF4y2Ba<.001)， SRMR、CFI和TLI指数拟合良好。然而，较高的RMSEA值表明在单因素模型中eHEALS的结构拟合较差。gydF4y2Ba

对于2因子模型，标准因子负荷范围为0.80至0.93。与1因素模型相似，该模型表明基于SRMR、CFI和TLI的拟合良好，而与RMSEA的拟合较差(gydF4y2Ba表4gydF4y2Ba)．此外，通过配对第5项和第8项对第二个(评价)因子检验修正指标，虽然RMSEA的拟合度略有降低(0.176,90% CI 0.165-0.187)，但没有显示出明显的改善。gydF4y2Ba

3因子模型的标准因子负荷范围为0.84至0.97。与1因子和2因子模型相似，CFA与SRMR、CFI和TLI三个指标吻合良好，而rmsea仍然较高(gydF4y2Ba表4gydF4y2Ba)．通过配对第一个(意识)和第二个(技能)因素中的项目3，以及配对第二个(技能)和第三个因素(评估)中的项目5，检查输出文件中显示的修改，表明模型拟合有所改善(SRMR=0.008, CFI=0.999, TLI=0.997, RMSEA=0.057;90% ci 0.045-0.070)。修正的标准因子负荷和相关性在gydF4y2Ba图2gydF4y2Ba．gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

收敛效度与判别效度gydF4y2Ba

人口统计信息gydF4y2Ba

Pearson相关分析显示eHEALS评分与年龄呈弱负相关。一个独立样本gydF4y2BatgydF4y2BaeHEALS评分在男性(平均25.64,SD 6.15)和女性(平均25.47,SD 6.60)之间没有显著差异(tgydF4y2Ba_{1313gydF4y2Ba}= -0.526,gydF4y2BaPgydF4y2Ba= .60) (gydF4y2Ba表5gydF4y2Ba而且gydF4y2Ba图3gydF4y2Ba)．gydF4y2Ba

如gydF4y2Ba表5gydF4y2Ba，组间方差分析显示不同教育程度的eHEALS评分存在差异。事后测试表明，接受过4年或以上大学教育的患者在eHEALS上的得分高于接受过中学教育的患者(平均差值=4.61，gydF4y2BaPgydF4y2Ba<.001)，职业学校(平均差值=3.23，gydF4y2BaPgydF4y2Ba<.001)和高中(平均差值=2.24，gydF4y2BaPgydF4y2Ba= .002)教育。接受过4年专科或大学教育的患者在eHEALS上的得分高于接受过中等教育的患者(平均差值=3.39，gydF4y2BaPgydF4y2Ba<.001)和职业学校(平均差值=2.00，gydF4y2BaPgydF4y2Ba<措施)的教育。高中教育程度的患者eHEALS评分高于中等教育程度的患者(平均差值=2.37，gydF4y2BaPgydF4y2Ba<措施)。gydF4y2Ba

组间方差分析也表明根据就业群体和eHEALS评分存在差异(gydF4y2Ba表5gydF4y2Ba)．事后检验显示，与退休患者相比，在职患者的eHEALS评分更高(平均差值=2.31，gydF4y2BaPgydF4y2Ba<措施)。同样，与退休患者相比，“其他”患者组表现出更高的eHEALS评分(平均差值=1.28，gydF4y2BaPgydF4y2Ba= . 05)。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

与健康有关的互联网使用gydF4y2Ba

独立样本gydF4y2BatgydF4y2Ba测试显示，报告使用互联网查找健康信息的患者eHEALS评分(平均27.45,SD 5.10)高于未使用互联网查找健康信息的患者(平均21.27,SD 6.31)(95%可信区间-21.40至-17.21，gydF4y2BaPgydF4y2Ba<措施)。Spearman相关分析显示，eHEALS评分与患者使用互联网查找健康信息的感知有用性和重要性之间存在中度正相关(gydF4y2Ba表5gydF4y2Ba)．gydF4y2Ba

健康知识gydF4y2Ba

Pearson相关分析显示eHEALS评分与HLQ健康信息评价量表和HLQ发现良好信息能力量表呈中度正相关(gydF4y2Ba表5gydF4y2Ba)．gydF4y2Ba

健康状况gydF4y2Ba

Pearson相关分析显示eHEALS评分与RAND-12自我报告健康评估之间存在弱正相关(gydF4y2Ba表5gydF4y2Ba)．gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

据我们所知，这是第一个确定经皮冠状动脉介入治疗后患者eHEALS心理测量特性的研究。eHEALS的挪威语翻译似乎具有可接受的结构有效性。然而，较高的内部项目一致性和较高的RMSEA表明，数据与基于现有知识的假设模型的拟合并不完全足以完全捕捉这种设置下的结构效度。gydF4y2Ba

四个拟合度指标中的三个(SRMR、CFI和TLI)证实了结构的有效性，表明三个假设模型具有足够的拟合性。在3因素模型中RMSEA较低[gydF4y2Ba9gydF4y2Ba]比1因子[gydF4y2Ba4gydF4y2Ba]和2-factor [gydF4y2Ba15gydF4y2Ba)模型。对三因素模型进行两次修正后，四个拟合优度指标均显示拟合良好。这些结果表明eHEALS是一个多维结构，正如其他研究提出的那样，它更适合2因素模型[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba18gydF4y2Ba]及三因素模型[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba21gydF4y2Ba，gydF4y2Ba22gydF4y2Ba，gydF4y2Ba24gydF4y2Ba］．然而，与目前的研究一致，此前进行CFA的几项研究显示RMSEA值高于1因素模型的截止标准[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba11gydF4y2Ba，gydF4y2Ba22gydF4y2Ba]，二因素模型[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba18gydF4y2Ba，gydF4y2Ba22gydF4y2Ba]，以及三因素模型[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba24gydF4y2Ba］．较高的RMSEA表明拟合性较差，这表明三种模型都存在复杂性，但经过少量合理修改后，发现三因素模型具有可接受的拟合性。三种CFA模型之间的模型拟合差异表明，即使在高冗余度的情况下，也有可能区分不同的概念。gydF4y2Ba

高比例的患者最有可能在所有项目中选择“不确定”或“同意”，这表明大多数患者要么认为自己是中立的(既不同意也不同意)，要么对自己在寻找、评估和应用电子健康信息方面的知识、舒适度和感知技能相对自信。虽然目前还没有确凿的证据表明在一个反应量表中类别的数量，以及中性类别是否对测量质量有影响[gydF4y2Ba37gydF4y2Ba]，建议未来的研究应探索哪些应对方案最适合纳入eHEALS，以获得更精确的电子卫生素养衡量标准[gydF4y2Ba22gydF4y2Ba］．对于高比例的受访者最有可能选择这两种回答选项的一种解释可能是，患者在急性冠脉事件的背景下填写问卷时遇到了困难。此外，急性冠状动脉综合征患者可能更倾向于调查反应偏差，无论他们的实际态度或行为如何，他们都会选择中立的选项。这表明，该量表对慢性疾病患者的作用可能与急性情况下的患者不同。这一发现还表明，电子卫生素养是一种面向过程的技能，随着新技术的引入以及个人、社会和环境背景的变化而不断发展[gydF4y2Ba8gydF4y2Ba］．同样，内部一致性的极高估计也可能归因于急性冠状动脉情况下患者在区分项目含义方面的困难。在其他研究中，Cronbach α值也超过0.90 [gydF4y2Ba5gydF4y2Ba，gydF4y2Ba10gydF4y2Ba，gydF4y2Ba14gydF4y2Ba］．然而，本研究中极高的Cronbach α可能表明项目存在潜在的冗余，即患者在经皮冠状动脉介入治疗后可能会立即意识到相同的项目基本上以几种不同的方式重新表述。有人建议有必要进一步研究跨人群的项目解释[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba24gydF4y2Ba］．gydF4y2Ba

目前的研究表明eHEALS具有足够的鉴别效度，大多数人口统计信息和其他工具证实了先验定义的假设。正如先前在欧洲一般成年人群中进行的心理测量研究所证实的那样[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba18gydF4y2Ba]， eHEALS的测量特性受年龄和性别的影响较小。然而，中文版显示不同年龄的慢性病患者eHEALS评分存在差异[gydF4y2Ba5gydF4y2Ba］．此外，后一项研究表明eHEALS评分受教育程度的影响[gydF4y2Ba5gydF4y2Ba]，而其他研究报告称，这与欧洲一般成年人口的教育程度相关性较弱[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba18gydF4y2Ba］．以往研究的结果和当前研究的结果在这方面存在分歧，表明没有足够的证据将感知到的电子卫生素养与教育联系起来。然而，这些发现也可能与使用不同的方法来分类和分析教育水平有关，因此应谨慎解释。gydF4y2Ba

由于电子卫生扫盲的推广是在更大的范围内进行的，最初的规模开发人员建议让从事扫盲部门的其他团体参与电子治疗的验证工作[gydF4y2Ba4gydF4y2Ba］．此外，为了解决患者的电子健康素养水平，患者在评估中的整合非常重要，特别是根据与健康相关的互联网使用、健康素养和健康状况等prom。一般来说，eHEALS评分与患者使用互联网获取健康信息的兴趣之间存在中度相关性，这加强了判别效度[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba18gydF4y2Ba］．这为技能、动机和兴趣提供了一个方向，适用于广泛的信息源，与主题或上下文无关，符合Lily模型的分析组件[gydF4y2Ba8gydF4y2Ba］．此外，根据电子卫生扫盲技能的具体情况[gydF4y2Ba8gydF4y2Ba]， eHEALS评分与健康素养之间存在中度相关性。与以往研究表明的电子卫生知识普及与健康知识普及之间的关系一致[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba26gydF4y2Ba]，目前的研究表明，eHEALS分数较高的患者往往是“信息探索者”，能够识别良好的信息和可靠的信息来源，并能够自己或在他人的帮助下解决冲突的信息[gydF4y2Ba31gydF4y2Ba］．这种关系表明，量表中的构念验证是充分的。然而，本研究也显示eHEALS评分与健康状况之间存在弱相关性。这与其他研究不同[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba23gydF4y2Ba]，表明eHEALS在与健康状况的关系方面具有适度的发散有效性。gydF4y2Ba

优势与局限gydF4y2Ba

目前的研究有几个方法上的优势和局限性，应该加以解决。严格的语言、文化和测量适应程序可能有助于加强研究的进行。然而，挪威的eHEALS表现出混合的心理测量表现，这可能是由于急性冠状动脉事件的背景。这表明住院治疗会影响对这种类型PROM的反应。该研究的另一个关键优势是大样本量，这使我们能够调查eHEALS评分、其他prom和子组之间的相关性。然而，翻译eheal的分析被确定为特定于接受经皮冠状动脉介入治疗的患者，不能推广到其他情况。因此，有必要在更多样化的人群中确定eHEALS的心理测量特性，并在其他环境中为挪威eHEALS的广泛性提供经验证据。最后，该研究仅确定了在医院急症护理环境中以自我报告的书面形式(纸和铅笔)进行eHEALS的管理。进一步的工作应该探索其他管理模式，包括为平板电脑、智能手机和电子邮件等电子卫生资源开发的在线管理。gydF4y2Ba

结论gydF4y2Ba

这项研究为经皮冠状动脉介入治疗后患者eHEALS的心理测量特性提供了新的信息，表明eHEALS是一个多维的结构。然而，RMSEA还不足以完全捕捉基于现有知识的结构效度，需要进一步的析因验证研究。内部项目一致性非常高，说明项目存在冗余。尽管如此，仍需要对eHEALS的心理测量特性进行更多的研究。此外，本研究中eHEALS的使用确定了电子卫生素养的重要领域，这些领域对于电子卫生作为卫生信息来源的进一步发展非常重要。gydF4y2Ba