探索匈牙利普通成年人的电子健康素养和患者报告的门诊护理经验:横断面研究gydF4y2Ba

简介gydF4y2Ba

“以人为本”塑造了医学的文化转型，我们从传统的家长式模式过渡到新的护理模式，以伙伴关系为基础，将患者的价值观和偏好置于医疗决策的首要位置[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba2gydF4y2Ba］．为应付医疗预算日益增加的压力[gydF4y2Ba3.gydF4y2Ba]，提高卫生保健系统的技术效率仍然是一个关键的当务之急，其中消除浪费和最大限度地提高对患者重要的价值是发达经济体的首要任务[gydF4y2Ba4gydF4y2Ba-gydF4y2Ba7gydF4y2Ba］．因此，除了人文价值之外，以人为本还有一个强有力的经济理由:加强患者在卫生生产过程中的参与[gydF4y2Ba4gydF4y2Ba-gydF4y2Ba8gydF4y2Ba］．因此，要让人们参与卫生生产并实施以人为本的护理，就必须让人们获得所需的信息、教育和支持，以便为自己的护理决策提供信息[gydF4y2Ba8gydF4y2Ba］．gydF4y2Ba

数字健康是医学文化向以人为本转变的关键驱动力[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba10gydF4y2Ba］．数字健康包括使用信息和通信技术来支持健康和健康相关领域(电子健康[eHealth])和新兴领域，如在大数据、人工智能和基因组学中使用计算科学[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba］．目前，实施数字工具以促进以人为本的护理是政策制定者的优先事项[gydF4y2Ba13gydF4y2Ba］．随着医疗保健的数字化转型，人们更容易从网上获取健康信息;同时，人们被要求承担起评估这些信息的准确性和可靠性的责任，从而依赖于他们的电子卫生素养。电子卫生素养被定义为"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处理或解决卫生问题的能力" [gydF4y2Ba14gydF4y2Ba］．电子卫生素养水平越高，主观健康状况越好[gydF4y2Ba15gydF4y2Ba-gydF4y2Ba17gydF4y2Ba]、更健康的生活方式[gydF4y2Ba18gydF4y2Ba-gydF4y2Ba21gydF4y2Ba]，并降低罹患慢性疾病的风险[gydF4y2Ba22gydF4y2Ba］．此外，通过适当的干预，电子卫生知识普及已被证明是一个可改变的因素，甚至在生命的后期阶段[gydF4y2Ba23gydF4y2Ba-gydF4y2Ba25gydF4y2Ba］．随着以人为本价值观的传播，患者报告的体验测量(PREMs)——从患者角度衡量医疗保健的质量指标——得到了国际关注。这是经济合作与发展组织(OECD)开展的工作，prem通过患者的护理体验(包括患者与医生的关系)来评估卫生系统的绩效[gydF4y2Ba26gydF4y2Ba］．gydF4y2Ba

匈牙利有一个由税收资助的单一支付者卫生系统，为人口提供全民健康覆盖。大多数住院和专科门诊护理服务由公共卫生系统提供。由私人全科医生(gp)提供的初级保健扮演着看门人的角色。在欧洲联盟内，人均保健支出是最低的，而包括非正式支付在内的自付缴款比例是最高的。预期寿命落后于大多数欧盟国家，这主要是由与生活方式相关的原因造成的。健康不平等在很大程度上取决于社会人口变量[gydF4y2Ba27gydF4y2Ba-gydF4y2Ba29gydF4y2Ba］．最近的证据表明，需要改善匈牙利门诊患者在共享决策方面的护理体验[gydF4y2Ba30.gydF4y2Ba］．这与另一项研究的结果一致，该研究表明，与其他欧洲国家相比，匈牙利的全科医生不太可能考虑到患者的偏好和兴趣[gydF4y2Ba29gydF4y2Ba］．gydF4y2Ba

通过从传统卫生素养研究推断到电子卫生领域[gydF4y2Ba31gydF4y2Ba]，人们可能会认为，更高的电子卫生素养使患者能够更好地适应卫生保健系统，更好地获得医疗服务，有效地使用在线信息以减少等待时间，并更多地利用与卫生保健专业人员(HCPs)的互动。其中，这些因素可能最终会带来更好的整体体验。在线健康信息可以加强医患关系，尽管证据不一[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba33gydF4y2Ba]，已认识到电子卫生素养在将创新数字卫生解决方案的好处转化为更好的护理体验方面的重要性[gydF4y2Ba34gydF4y2Ba-gydF4y2Ba36gydF4y2Ba］．例如，已发现电子卫生素养与共同决策之间存在正相关关系[gydF4y2Ba37gydF4y2Ba]，其对患者决策风格的贡献已得到证实[gydF4y2Ba32gydF4y2Ba］．然而，据我们所知，迄今为止还没有研究关注电子健康素养与prem之间的关系。gydF4y2Ba

本研究旨在探讨电子健康素养与OECD为门诊护理用户推荐的prem之间的关系，这些用户是从匈牙利一般成年人口的大型代表性在线样本中招募的。gydF4y2Ba

方法gydF4y2Ba

研究设计和样本gydF4y2Ba

在报告这项研究时，我们考虑了樱桃检查表[gydF4y2Ba38gydF4y2Ba］．2019年初，我们在匈牙利普通成年人中进行了一项大型横断面实习调查，探讨了电子卫生素养[gydF4y2Ba39gydF4y2Ba］．此外，共同决策[gydF4y2Ba40gydF4y2Ba]和PREMs [gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba41gydF4y2Ba]在这些受访者中进行了调查，他们在过去12个月里由于健康问题使用过门诊护理。我们招募了1000名在线受访者。根据2011年人口普查，为确保样本的代表性，采用了配额制度[gydF4y2Ba42gydF4y2Ba]按性别、年龄、教育程度、居住地类型和NUTS 1(地域统计单位命名法)划分的数据，包括对65岁及以上人口的公平代表。招聘和数据收集由一家调查公司(大数据科学家Kft)从一个商业在线小组进行;没有关于辍学率和抽样范围的报告。所有材料都是匈牙利文，所有参与者都说同一种语言(匈牙利语)。参与是自愿和匿名的。调查没有提供任何奖励。参与者在研究前都给出了知情同意。该研究已获得匈牙利医学研究理事会(ID: 47654-2/2018/EKU)的伦理批准。电子问卷由作者试用。受访者可以修改和更改已填写项目的答案，除非提供了“不知道/不想回答”选项，否则必须完全填写。gydF4y2Ba

我们的样本包括那些在过去12个月内由于自身健康问题与HCP进行了面对面预约的受访者，并回答了是否在他们通常的HCP进行了访问。gydF4y2Ba

电子卫生素养量表(eHEALS)gydF4y2Ba

使用匈牙利版自我报告电子卫生素养量表(eHEALS)衡量电子卫生素养[gydF4y2Ba39gydF4y2Ba，gydF4y2Ba43gydF4y2Ba］．这个工具在国际上被用作描述性工具[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba39gydF4y2Ba]以及作为患者报告的数字健康干预结果衡量标准[gydF4y2Ba19gydF4y2Ba，gydF4y2Ba23gydF4y2Ba，gydF4y2Ba43gydF4y2Ba］．eHEALS由8个项目组成，每个项目都采用李克特5分制。第1项和第2项涉及对卫生资源的认识(“我知道互联网上有哪些卫生资源”;“我知道在互联网上哪里可以找到有用的健康资源”);第3项和第4项与搜索卫生资源有关(“我知道如何在互联网上找到有用的卫生资源”;“我知道如何使用互联网来回答我关于健康的问题”);第5项和第8项与卫生资源的利用有关(“我知道如何利用我在互联网上找到的卫生信息来帮助我”;“我有信心利用互联网上的信息做出健康决定”);第6项和第7项与卫生资源的评估有关(“我具备评估在互联网上找到的卫生资源所需的技能”;“我可以在互联网上区分高质量的卫生资源和低质量的卫生资源”)。 Item levels are added for a total score ranging from 8 to 40. Higher scores indicate greater eHealth literacy [43gydF4y2Ba］．匈牙利eHEALS的心理测量特性及其与一般人群健康结果和行为健康风险因素的关联已在验证研究中得到证实[gydF4y2Ba39gydF4y2Ba］．由于eHEALS在验证研究中显示出与自评健康状况的凸关系，我们决定将受访者分为4个四分位数，以一种易于解释的方式探索与prem的潜在非线性关联[gydF4y2Ba39gydF4y2Ba，gydF4y2Ba44gydF4y2Ba，gydF4y2Ba45gydF4y2Ba］．我们还使用替代eHEALS类别边界进行敏感性分析。eHEALS问卷包括在gydF4y2Ba多媒体附件1gydF4y2Ba．gydF4y2Ba

经济合作与发展组织(oecd)提出的一套关于门诊病人体验的问题gydF4y2Ba

受访者的门诊护理经验由经合组织卫生保健质量指标项目建议的一套问题评估[gydF4y2Ba26gydF4y2Ba］．调查问卷包括两个部分:(1)获得护理的机会，包括关于未满足的医疗需求和等待时间的问题;(2)患者体验。的gydF4y2Ba获得护理gydF4y2Ba部分包括4个关于过去12个月未满足的医疗需求的二元问题(由于旅行困难或费用负担而错过了医疗访问、干预或药物治疗)和4个关于上次医疗预约的等待时间的问题:获得预约的等待时间(预约等待时间)和咨询当天的等待时间(办公室等待时间)，以及在这两种情况下等待是否存在问题。在gydF4y2Ba病人的经历gydF4y2Ba部分，受访者被问及HCP(1)是否花了足够的时间与他们相处;(2)提供通俗易懂的解释;(3)提供了提出问题或对所推荐的治疗提出关注的机会;(4)尽可能多地参与有关护理和治疗的决定。回答被记录在李克特4分制量表上，分数越高，表示察觉到的问题越多。在最后一项中，受访者对任命的整体质量进行了5分李克特评分，从gydF4y2Ba可怜的gydF4y2Ba(0)gydF4y2Ba优秀的gydF4y2Ba(4).附加项目询问了上次访问的HCP类型、设置、时间，以及被调查者是否访问了他/她经常访问的HCP。如果受访者在调查前12个月以上有健康问题，则会提出与未满足的医疗需求相关的问题，而只有当受访者曾参加过HCP的门诊会诊时，才会询问等待时间和患者体验。完整的PREM问卷包括在gydF4y2Ba多媒体附件2gydF4y2Ba．gydF4y2Ba

但是过犹不及的分数gydF4y2Ba

根据各国使用预评估评估项目监测卫生系统绩效的做法，我们根据预评估评估项目创建了综合评分[gydF4y2Ba26gydF4y2Ba］．的gydF4y2Ba未满足医疗需求评分gydF4y2Ba(范围0-4)反映了受访者未满足需求的地区数量(因旅行负担而错过访问;因费用负担而错过来访;因成本负担而错过干预;由于成本负担而错过了药物治疗)。二进制gydF4y2Ba任何未满足的医疗需求gydF4y2Ba变量表示患者是否在4项中任何一项的需求未得到满足。通过考虑各等待时间答案选项的中点，将等待时间转换为连续变量。在回归分析中使用日志等待时间，假设当天预约的受访者等待时间为0.5天。我们用了二进制变量gydF4y2Ba等待的问题gydF4y2Ba说明办公室等候时间或预约等候时间对受访者来说是否有问题。4个prem被用来创建一个复合gydF4y2Ba问题的分数gydF4y2Ba，即每个PREM的个别答案选项之和(1=yes, definitely;2=在某种程度上是;3=不，不是真的;4=绝对不是)。因此，综合评分范围从4到16，其中较高的值代表在访问期间遇到的问题更多。我们还构建了一个gydF4y2Ba负面经历得分gydF4y2Ba(范围0-4)，通过计算没有收到“是，肯定”答案的PREM项目。最后，我们创建了二进制变量gydF4y2Ba任何负面经历gydF4y2Ba，表示对PREM项目的响应是否不是“是的，肯定是”。gydF4y2Ba

背景变量gydF4y2Ba

我们记录了受访者的社会人口学变量，如年龄、性别(女性或男性)、教育程度(小学、中学或大学)、家庭状况(已婚或未婚)、就业状况(有带薪工作或没有带薪工作，包括学生、退休人员、失业人员等)和居住地(首都、其他城市或村庄)。根据主要医学主题标题(MeSH)类别划分年龄组，将18岁的人添加到青壮年类别中(青壮年:18- 24岁;成人:25 - 44岁;中年:45 - 64岁;年龄> 80:65岁以上)[gydF4y2Ba46gydF4y2Ba］．每月家庭净收入分为11个类别，人均家庭收入是通过类别的中间值除以家庭成员人数计算的，没有对子女数量进行调整。上层开放类别的中值由Parker和Fenwick提出的Pareto曲线拟合计算[gydF4y2Ba47gydF4y2Ba］．我们根据人均月家庭净收入的五分位数生成收入组，通过线性插值从第三至第八全国十分位数组均值计算出的第二、第三、第四和第五个五分位数的下限分别为203欧元(241美元)、285欧元(338美元)、365欧元(432美元)和463欧元(549美元)[gydF4y2Ba48gydF4y2Ba］．我们还使用最低欧洲健康模块(MEHM)记录了受访者的健康状况[gydF4y2Ba49gydF4y2Ba，gydF4y2Ba50gydF4y2Ba］．MEHM包括一项关于自我感知健康的项目(非常糟糕、糟糕、尚可、良好或非常好);一项关于受访者是否长期存在健康问题(1=存在慢性疾病);以及全球活动限制指标，用于评估因健康问题造成的活动限制(完全没有限制、有限制但不严重或严重限制)[gydF4y2Ba50gydF4y2Ba］．gydF4y2Ba

统计方法gydF4y2Ba

在分析样本的社会人口学特征以及PREM项目时使用了描述性方法。为了测试由多个项目构建的PREM评分的基本心理测量特性，我们评估了它们的分布特性，进行了探索性因子分析(EFA)，并计算了内部一致性(Cronbach α) [gydF4y2Ba51gydF4y2Ba］．正态性假设通过夏皮罗-威尔克检验进行检验[gydF4y2Ba52gydF4y2Ba]，采用Kaiser-Meyer-Olkin (KMO)检验检验数据对EFA的适用性[gydF4y2Ba53gydF4y2Ba］．计算PREM项目与eHEALS评分之间的双列或多合唱相关性。多合唱相关假设双变量正态分布潜在变量在顺序响应项后，并使用最大似然估计为这些潜在变量提供相关系数[gydF4y2Ba54gydF4y2Ba］．通过方差分析、Kruskal-Wallis检验和独立卡方检验检验eHEALS四分位数与PREM评分以及人口统计学变量之间的双变量相关性[gydF4y2Ba55gydF4y2Ba-gydF4y2Ba57gydF4y2Ba］．gydF4y2Ba

在控制了社会人口学变量、受访者的健康状况(MEHM)、就诊设置(全科医生、公共专科医生或私人专科医生)和HCP类型(全科医生、专科医生或其他相关卫生专业人员)之后，我们进行了多变量回归分析，以探索eHEALS四分位数与PREM项目以及PREM综合评分之间的关系。(1)二元PREM项目或构造二元变量的逻辑回归;(2)多元PREM项目的有序logit模型;(3)等待时间和综合PREM评分的普通最小二乘(OLS)模型。我们使用Wald检验检验eHEALS四分位数作为单个预测变量的联合显著性。OLS模型通过Breusch-Pagan检验进行异方差性检验，通过Ramsey回归方程规格误差检验(RESET)进行规格误差检验。如果检测到异方差，我们应用稳健回归[gydF4y2Ba58gydF4y2Ba］．如果我们检测到模型功能错误规范错误，则对因变量[执行对数转换或平方根转换gydF4y2Ba59gydF4y2Ba］．分别用Hosmer-Lemeshow检验的二进制版本和序数版本检验了logistic模型和有序logit模型的拟合优度[gydF4y2Ba60gydF4y2Ba］．在过去12个月经历过健康问题的受访者的扩大样本中，也探讨了未满足的医疗需求，无论他们是否与HCP进行过门诊咨询。所有计算均使用Stata 14.2版统计软件包(StataCorp)进行[gydF4y2Ba61gydF4y2Ba］．显著性水平被设定为gydF4y2BaPgydF4y2Ba<。05，并且在运行多个回归模型时，我们对每个预测变量应用不超过15个观察值[gydF4y2Ba62gydF4y2Ba］．分析是在没有施加权重的情况下进行的。gydF4y2Ba

结果gydF4y2Ba

受访者的特点gydF4y2Ba

在1000名调查受访者中，736人在12个月内进行了门诊HCP咨询，其中5人是通过电话进行的。在118个案例中，受访者没有健康问题，25个受访者无法判断访问是否发生在常规HCP。在按顺序应用所有标准后，666人被纳入样本(gydF4y2Ba表1gydF4y2Ba)．受过高等教育和来自最高收入五分之一的受访者比例略高，而农村公民的比例略低于总人口。样本平均年龄48.9岁(标准差17.6岁)。样本、所有调查对象和一般人口的人口学特征总结在gydF4y2Ba表1gydF4y2Ba．对收入、慢性疾病和活动限制项目的回答分别为86.5%(576/666)、89.0%(593/666)和96.4%(642/666)。样本的第一、第二、第三、第四和第五收入五分位数对应的人均家庭收入水平分别为115欧元(136美元)、247欧元(293美元)、332欧元(393美元)、397欧元(470美元)和669欧元(786美元)，以2020年4月的12个月平均汇率为330.73 HUF/欧元(279.14 HUF/美元)[gydF4y2Ba63gydF4y2Ba］．PREM项目的响应总结在gydF4y2Ba表2gydF4y2Ba．gydF4y2Ba

eHEALSgydF4y2Ba

平均eHEALS评分为29.3 (SD 4.9)。eHEALS四分位数平均得分如下:第一个四分位数23.5(范围12-26;191/666, 28.7%)，第二四分位数28.2(范围27-29;151/666, 22.7%)，第三四分位数31.2(范围30-32;182/666, 27.3%)，第四四分位数36.0(范围33-40;142/666, 21.3%)。第四eHEALS四分位数个体的平均年龄为44.5岁(SD 17.1)，低于第一(49.9岁[SD 17.4])、第二(51.2岁[SD 17.5])和第三四分位数(49.3岁[SD 17.7;gydF4y2BaFgydF4y2Ba_{3662年gydF4y2Ba}= 4.07,gydF4y2BaPgydF4y2Ba= .007)。平均eHEALS得分在男性和女性受访者之间没有差异(gydF4y2BatgydF4y2Ba_664gydF4y2Ba= 1.27,gydF4y2BaPgydF4y2Ba= . 21)。然而，虽然女性受访者的百分比从第一(101/364,27.8%)、第二(92/356,25.8%)、第三(86/364,23.6%)和第四eHEALS四分位数(85/364,23.4%)平均下降，但男性受访者集中在第一(90/302,29.8%)和第三(96/302,31.8%)四分位数(χgydF4y2Ba^2gydF4y2Ba_3.gydF4y2Ba= 8.2,gydF4y2BaPgydF4y2Ba= .04点)。教育程度的差异(χgydF4y2Ba^2gydF4y2Ba_6gydF4y2Ba= 5.6,gydF4y2BaPgydF4y2Ba=.47)，收入(χgydF4y2Ba^2gydF4y2Ba_12gydF4y2Ba= 7.9.6,gydF4y2BaPgydF4y2Ba=.79)在四个ehealals组间无显著性差异。gydF4y2Ba

未满足的医疗需求gydF4y2Ba

大多数受访者(380/ 631,60.2%)没有报告任何领域的医疗需求未得到满足。18.5%(117/631)的受访者报告有1项需求未得到满足，8.9%(56/631)的受访者报告有2项需求未得到满足，7.4%(47/631)的受访者报告有3项需求未得到满足，4.9%(31/631)的受访者报告有4项需求未得到满足。未满足医疗需求评分为单因素结构，KMO值为0.73，表明EFA的抽样适当。Cronbach α为0.73，表明通过添加未满足医疗需求部分的PREM项目构建的该评分具有可接受的内部一致性。gydF4y2Ba

PREM轮候时间gydF4y2Ba

平均轮候时间为63.3分钟(标准差为71.0分钟);23.0%(152/661)的受访者等待时间少于15分钟，14.2%(94/661)的受访者等待时间超过2小时。26.9%(179/666)的受访者等待办公室时间过长，34.8%(179/514)的受访者等待时间超过15分钟。平均轮候时间为16.8天(标准差为27.8天)。37.6%(242/643)的受访者可于当日预约，而18.2%(117/643)的受访者则需等候超过30天。15.3%(102/666)的受访者认为预约等候时间过长，而24.1%(102/424)的受访者没有在当天预约。33.5%(223/666)的样本报告了在HCP办公室或预约前的等待问题。gydF4y2Ba

PREM患者经历gydF4y2Ba

问题得分表现出强烈的右偏(平均值2.0，标准差2.5;平均1;峰度4.5;偏态1.4;Shapiro-Wilk测试gydF4y2BaPgydF4y2Ba<措施)。EFA提示单因素结构具有足够的抽样(KMO统计量=0.82)和良好的内部一致性(Cronbach α=.87)。而0.5%(3/623)的受访者表示，在所有领域(gydF4y2Ba肯定不是gydF4y2Ba全部4项答案;16分)，体验完美无缺(gydF4y2Ba肯定是的gydF4y2Ba全部4项答案;4分，占40.9%(255/623)。消极体验得分呈双峰分布(均值1.5，标准差1.6;峰度1.7;偏态0.5;Shapiro-Wilk测试gydF4y2BaPgydF4y2Ba<.001)和具有足够抽样(KMO统计量=.80)和良好内部一致性(Cronbach α=.83)的单因素结构。在0、1、2、3和4领域报告问题的受访者分别占40.9%(255/623)、18.0%(112/623)、11.2%(70/623)、11.4%(71/623)和18.5%(115/623)。问题得分与消极体验得分之间的强相关性(polyserial ρ=0.95)表明，计算除答案之外的领域gydF4y2Ba肯定是的gydF4y2Ba占了病人体验部分的大部分信息。gydF4y2Ba

PREM与eHEALS评分的相关性gydF4y2Ba

PREM项目与eHEALS评分的多合唱相关矩阵见gydF4y2Ba表3gydF4y2Ba．患者体验指标是强相关的，而prem与等待时间和未满足医疗需求指标之间的相关性是中等或弱的。相应的等待时间和等待问题有很强的相关性。访问的总体质量与调查的患者体验部分的项目呈强烈的负相关;与其余项目的相关性中等或较弱。eHEALS评分与所有prem均呈弱负相关。PREM项目与最后一次就诊时间之间的相关性很小。gydF4y2Ba

PREM和eHEALS四分位数的二元关联gydF4y2Ba

eHEALS四分位数与问题评分之间的相关性不显著(Kruskal-Wallis检验，χgydF4y2Ba^2gydF4y2Ba_3.gydF4y2Ba= 4.9,gydF4y2BaPgydF4y2Ba=只要;gydF4y2Ba图1gydF4y2Ba）;相反，相关性显著(χgydF4y2Ba^2gydF4y2Ba_12gydF4y2Ba= 24.4,gydF4y2BaPgydF4y2Ba=.01)，当考虑负面经历得分时(gydF4y2Ba图2gydF4y2Ba)．虽然我们发现eHEALS四分位数与与患者相处的时间(χgydF4y2Ba^2gydF4y2Ba_9gydF4y2Ba= 14.5,gydF4y2BaPgydF4y2Ba=.11)和提问的机会(χgydF4y2Ba^2gydF4y2Ba_9gydF4y2Ba= 9.2,gydF4y2BaP =gydF4y2Ba.42)，相关性显著(χgydF4y2Ba^2gydF4y2Ba_9gydF4y2Ba= 24.2,gydF4y2BaPgydF4y2Ba=.002)在理解HCP解释的难易程度(gydF4y2Ba图3gydF4y2Ba)和HCP让受访者参与决策的程度(χgydF4y2Ba^2gydF4y2Ba_9gydF4y2Ba= 18.2,gydF4y2BaPgydF4y2Ba= .03点;gydF4y2Ba图4gydF4y2Ba)．eHEALS四分位数与总体质量评分之间的相关性显著(Kruskal-Wallis检验，χgydF4y2Ba^2gydF4y2Ba_3.gydF4y2Ba= 10.1,gydF4y2BaPgydF4y2Ba= .02点;gydF4y2Ba图5gydF4y2Ba)．相比之下，eHEALS四分位数与总体质量类别的受访者比例之间的相关性不显著(χgydF4y2Ba^2gydF4y2Ba_12gydF4y2Ba= 20.6,gydF4y2BaPgydF4y2Ba= . 07;gydF4y2Ba图6gydF4y2Ba)．虽然差异很小，但结果表明eHEALS最低四分位数的受访者对HCP沟通的积极体验最少。在第三和第四个eHEALS四分位数中，积极体验的报告最为频繁，而与第三个eHEALS四分位数中的受访者相比，eHEALS得分最高的亚组报告了更多的消极体验。我们发现eHEALS四分位数与未满足的医疗需求或等待时间之间没有关联。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

单项PREM项目的回归分析gydF4y2Ba

在控制了社会人口学变量后，受访者的健康状况、访问设置和有序logit模型中的HCP类型(gydF4y2Ba表4gydF4y2Ba)， eHEALS四分位数与“易于理解解释”项之间存在显著相关性(Wald检验χgydF4y2Ba^2gydF4y2Ba_3.gydF4y2Ba= 11.8,gydF4y2BaPgydF4y2Ba= .008)。虽然eHEALS四分位数联合不是“提问机会”项的显著预测因子(Wald检验χgydF4y2Ba^2gydF4y2Ba_3.gydF4y2Ba= 4.7,gydF4y2BaPgydF4y2Ba=.19)，第一和第三eHEALS四分位数之间的差异在这两个项目中都是显著的(gydF4y2BaPgydF4y2Ba<措施而且gydF4y2BaPgydF4y2Ba=。分别为04)。eHEALS四分位数与与患者相处时间之间的相关性不显著(Wald检验χgydF4y2Ba^2gydF4y2Ba_3.gydF4y2Ba= 1.8,gydF4y2BaPgydF4y2Ba=.61)或患者参与有关护理和治疗的决定(Wald检验χgydF4y2Ba^2gydF4y2Ba_3.gydF4y2Ba= 3.4,gydF4y2BaPgydF4y2Ba= .33)。gydF4y2Ba

在控制协变量后，第一和第三eHEALS四分位数的受访者之间的总体质量也有所不同(gydF4y2Ba表5gydF4y2Ba)，但eHEALS四分位数对整体质量的联合影响不显著(Wald检验χgydF4y2Ba^2gydF4y2Ba_3.gydF4y2Ba= 6.0,gydF4y2BaPgydF4y2Ba=厚)。未满足的医疗需求(gydF4y2Ba多媒体gydF4y2Ba)及轮候时间(gydF4y2Ba多媒体附件4gydF4y2Ba)与eHEALS四分位数无关。敏感性分析在大多数使用替代eHEALS组边界的模型中显示了类似的结果(gydF4y2Ba多媒体附件6gydF4y2Ba)．在一半的替代方案中，遗漏干预的概率也显著降低(gydF4y2BaPgydF4y2Ba=。05年,gydF4y2BaPgydF4y2Ba=.02)在第三组(中等高)中高于第一组(最低)和eHEALS评分组，但在预定义的四分位数中(gydF4y2BaPgydF4y2Ba= . 05)。我们没有发现显著的(gydF4y2BaPgydF4y2Ba=。16togydF4y2BaPgydF4y2Ba=.88) eHEALS四分位数与在过去12个月有健康问题的受访者的扩展样本中任何未满足的需求变量之间的关联，无论他们是否参加过门诊HCP咨询(gydF4y2Ba多媒体gydF4y2Ba)．协变量对PREM模块影响的详细分析超出了本文的范围，已在其他地方提供[gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba41gydF4y2Ba，gydF4y2Ba64gydF4y2Ba］．gydF4y2Ba

综合PREM评分的回归分析gydF4y2Ba

稳健线性回归模型的规范对于对数问题得分和负经验得分(gydF4y2Ba表5gydF4y2Ba)．结果显示，在对数问题评分中，第一和第三eHEALS四分位数之间的差异是显著的(gydF4y2BaPgydF4y2Ba=.02)和负面体验评分模型(gydF4y2BaPgydF4y2Ba= .02点)。eHEALS四分位数的联合Wald检验在两种模型中均不显著(对数问题评分gydF4y2BaFgydF4y2Ba_{3430年gydF4y2Ba}= 2.28,gydF4y2BaPgydF4y2Ba=。08;负面体验得分gydF4y2BaFgydF4y2Ba_{3430年gydF4y2Ba}= 2.17,gydF4y2BaPgydF4y2Ba= .09点;任何负面经验χgydF4y2Ba^2gydF4y2Ba_3.gydF4y2Ba= 0.8,gydF4y2BaPgydF4y2Ba=点)。此外，还建立了logistic回归模型gydF4y2Ba任何未满足的医疗需求gydF4y2Ba而且gydF4y2Ba等待是否有问题gydF4y2Ba合身程度可接受(gydF4y2Ba多媒体gydF4y2Ba）;eHEALS在这些模型中都不是一个显著的预测因子(gydF4y2BaPgydF4y2Ba=。05年,gydF4y2BaPgydF4y2Ba=点)。在敏感性分析的几种情况下，采用了gydF4y2Ba未满足的医疗需求得分gydF4y2Ba而且gydF4y2Ba任何未满足的医疗需求gydF4y2Ba表明第三组(中等高)未满足的需求比第一组(最低)eHEALS评分组(gydF4y2Ba多媒体附件6gydF4y2Ba)．gydF4y2Ba

讨论gydF4y2Ba

据我们所知，这是第一个探索电子健康素养与prem与门诊护理之间关系的研究。我们的研究结果显示eHEALS评分和PREMs之间存在弱凹关系。我们观察到，自我报告的电子健康素养水平最低的受访者(第一个eHEALS四分位数)和自我报告的电子健康素养水平中等高的受访者(第三个eHEALS四分位数)在理解HCP解释的容易程度、有机会提问、受访者遇到问题的项目数量以及上次访问的整体质量方面存在显著差异。使用eHEALS组间替代边界的敏感性分析在多个替代场景中证实了这些发现。虽然电子健康素养与受访者参与决策之间存在显著的双变量相关性，但在多元回归分析中控制协变量后，受访者认为在咨询中花费足够时间和参与决策与eHEALS评分之间没有显示出统计学上的显著关系。此外，我们的研究结果显示，电子健康素养与未满足的医疗需求和等待时间之间没有显著关联。gydF4y2Ba

虽然我们的文献搜索没有发现报告PREM和电子健康素养之间关联的论文，但一些研究探索了电子健康素养(用eHEALS仪器测量)对以人为本的护理方面的影响，如患者-医生关系。一项针对伊朗多发性骨髓瘤患者的研究发现，电子健康素养与共享决策之间存在正相关关系，其中电子健康素养对共享决策具有直接的积极影响，并通过患者协作沟通模式和对医疗保健系统的信任介导产生间接的积极影响[gydF4y2Ba37gydF4y2Ba］．在以色列普通人群中进行的一项大型调查中，较高的电子健康素养得分与与治疗医生(-à-vis)更广泛的互动和更平衡的权力地位有关[gydF4y2Ba22gydF4y2Ba］．虽然电子健康素养对斯洛文尼亚在线健康社区成员在患者赋权的所有领域的生产性功能行为有直接的积极影响，但它也对功能障碍和功能行为有调节作用[gydF4y2Ba65gydF4y2Ba］．使用卫生素养问卷，一项针对大型荷兰在线卫生保健用户小组的调查表明，信息评价、高阶卫生素养技能和共享决策之间存在正相关关系[gydF4y2Ba66gydF4y2Ba，gydF4y2Ba67gydF4y2Ba］．gydF4y2Ba

我们的研究结果显示，访问的整体质量与HCP沟通的感知问题(包括受访者参与决策)之间存在很强的负相关。然而，患者报告的总体体验与电子健康素养之间的关系并不是线性的。在eHEALS得分最高的受访者中，负面患者体验的概率略有增加，这与一项针对在线健康信息用户的大型国际定性研究的结果一致，在该研究中，参与者经常报告不愿讨论在线内容，因为预期他们的HCPs会有负面反应[gydF4y2Ba68gydF4y2Ba］．同样，一项关于在线健康信息对医患关系影响的系统回顾发现，对大多数病例有积极影响，尽管一些研究报告了与HCPs讨论在线信息的负面情绪[gydF4y2Ba33gydF4y2Ba］．在2007年健康信息全国趋势调查中，患者对在线健康信息质量的担忧增加了他们与保健医生讨论这些信息的可能性，同时他们也更有可能经历保健医生对共享信息的负面反应[gydF4y2Ba36gydF4y2Ba］．gydF4y2Ba

认识到医患互动的多维决定因素，最近的一系列研究旨在建立以各种技能水平和态度为特征的患者档案，包括电子健康素养[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba65gydF4y2Ba，gydF4y2Ba69gydF4y2Ba］．在一项大型多国调查中，描述了4种不同的患者决策风格。虽然被动决策风格的患者具有最低的电子健康素养技能，但与最有可能参与共享决策的合作者相比，自主协作组表现出较高的电子健康素养和较差的患者-医生沟通[gydF4y2Ba32gydF4y2Ba］．gydF4y2Ba

在几个潜在的促成因素中，电子健康素养水平较高的患者出现负面体验可能部分是由eHEALS仪器的特性解释的。eHEALS与电子卫生素养的客观衡量指标相关性较低，被描述为衡量与电子卫生素养相关的自我效能感的工具，而不是实际技能[gydF4y2Ba70gydF4y2Ba］．与高功能健康素养患者相比，低功能健康素养患者在评估在线健康信息时倾向于依赖非既定标准，而高功能健康素养患者则依赖更既定的标准[gydF4y2Ba71gydF4y2Ba］．由于对实际低技能水平的无知而过度自信地使用低质量的卫生信息[gydF4y2Ba72gydF4y2Ba]与高度的心理赋权相结合可能导致危险的自我管理[gydF4y2Ba73gydF4y2Ba，引起了HCPs的负面反应。因此，自从诺曼和斯金纳在2006年提出最初的定义以来[gydF4y2Ba14gydF4y2Ba]，有效的沟通技巧或支持性的患者-医患关系已被包括在电子健康素养的几个更新概念中[gydF4y2Ba74gydF4y2Ba]和电子保健准备情况[gydF4y2Ba69gydF4y2Ba］．gydF4y2Ba

我们还认为，获得高质量的在线信息，包括国际一流的服务，可能会提高人们的期望，他们可能会将现实世界的经验与匈牙利卫生系统进行对比，与其他高收入社会相比，匈牙利卫生系统的运行效率和支出水平较低[gydF4y2Ba7gydF4y2Ba］．此外，全科医生把关系统(如匈牙利的)被设计用来限制医疗保健的需求方，并且被认为不如非把关系统以病人为中心[gydF4y2Ba29gydF4y2Ba］．研究表明，在获得医疗服务方面面临障碍的患者通常更倾向于采取寻求健康信息的行为[gydF4y2Ba75gydF4y2Ba］．此外，对医生以病人为中心的不满和较高的电子健康素养是美国在线健康社区就诊后在线信息搜索的主要原因[gydF4y2Ba76gydF4y2Ba］．gydF4y2Ba

虽然在我们的样本中，电子健康素养与未满足的医疗需求或等待时间之间的关系并不显著，但我们发现自我报告健康状况最差的受访者的eHEALS得分最高[gydF4y2Ba39gydF4y2Ba］．事实证明，慢性患者随着时间的推移，可以培养健康素养技能[gydF4y2Ba77gydF4y2Ba]，更高的健康素养与更好的结果相关，即使是在难以治疗的患者[gydF4y2Ba78gydF4y2Ba］．相比之下，多病患者往往会遇到护理协调不足、获取障碍、专业沟通不良和缺乏决策参与等问题[gydF4y2Ba79gydF4y2Ba］．我们的研究结果表明，高电子健康素养除了是积极体验的资源外，还可以作为缓解护理负面体验或不利健康结果的回应。然而，这些联系还有待阐明。gydF4y2Ba

我们的研究是在一般人群中进行的，没有关注任何特定的疾病领域。大多数受访者报告了在他们通常的HCP的最后一次门诊访问，因此我们的结果反映了接受门诊护理的个人的一般经验，无论其健康状况的性质、数量或严重程度如何。我们应用了已在多个国家广泛使用的验证工具的匈牙利版本，如eHEALS或经合组织的PREM问卷。我们证明了在我们的分析中使用的综合PREM评分具有足够的心理测量特性。然而，由于各国卫生系统、传播文化或经济状况的差异，在将我们的发现推广到匈牙利之外时需要谨慎。gydF4y2Ba

此外，我们的研究还存在一些局限性。首先，我们的OLS模型只解释了一小部分PREM项目的方差，这表明患者体验的潜在重要决定因素在我们的研究中仍未被探索。此外，eHEALS四分位数仅在单一PREM项目的情况下是联合显著的预测因子，然而，尽管在第一和第三四分位数之间存在显著差异，eHEALS联合检验在2个项目中不显著。在更大的样本上应用精细的分析方法，可以解释患者、医生和系统相关的因素，这些因素影响了患者的护理体验，也阐明了未满足的医疗需求与电子健康素养之间的关系，这在我们的研究中产生了复杂的结果。我们研究的另一个局限性是，从调查到最后一次患者就诊之间的回顾期长达1年。据报道，回忆偏差与患者体验调查有关，这引起了人们对不同回忆期收集的数据之间可比性的担忧[gydF4y2Ba80gydF4y2Ba］．虽然在我们的研究中不能排除反应的回忆偏倚，但最后一次就诊时间与PREM反应之间的相关性最小，表明回忆偏倚对我们结果的影响可以忽略不计。gydF4y2Ba

政策制定者已经认识到电子卫生在提高卫生系统效率方面的潜力。卫生知识普及程度低是有效实施电子卫生干预措施的障碍[gydF4y2Ba81gydF4y2Ba］．电子卫生素养被视为患者获得更好健康结果和有效参与卫生生产的资源[gydF4y2Ba15gydF4y2Ba-gydF4y2Ba21gydF4y2Ba]，并可透过适当的干预措施加以修正[gydF4y2Ba19gydF4y2Ba，gydF4y2Ba23gydF4y2Ba］．然而，根据最近的系统综述，我们强调电子健康素养与与健康状况、危险行为或医疗保健系统经验相关的良好患者预后之间的因果关系尚未建立。[gydF4y2Ba31gydF4y2Ba］．在找到可靠的方法和明确的因果关系之前，我们建议在基于过于乐观的预期实施大规模公共卫生干预时要谨慎。尽管低电子卫生素养与慢性疾病的存在有关，但其与一些与健康相关的结果和健康行为的关系一直是复杂的[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba31gydF4y2Ba］．我们的研究引起了对另一个潜在风险群体的关注:对自己的电子健康素养评价最高的个人。我们发现，高电子健康素养水平与积极和消极的患者体验相关，这种关系需要进一步探索。了解不良体验的驱动因素可能有助于设计有效的电子卫生扫盲干预措施，为个人提供有效浏览卫生系统的弹性，使他们能够与卫生服务提供者建立富有成效的伙伴关系，并最终将在线信息转化为更好的健康结果和令人满意的患者体验。gydF4y2Ba

总之，我们的研究结果表明，电子健康素养是一个可改变的患者相关因素[gydF4y2Ba19gydF4y2Ba，gydF4y2Ba23gydF4y2Ba]，与prem相关。开发旨在改善患者体验的电子卫生基础设施和电子卫生干预措施，同时发展电子卫生素养的干预措施是很有诱惑力的。然而，需要进一步的研究来确定电子卫生素养和患者报告的体验之间的因果关系，特别关注电子卫生素养水平低的弱势个体。gydF4y2Ba