这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)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。
近年来,人们越来越多地使用数字技术来促进个人健康和福祉。先前的研究表明,这些技术可能为弱势群体,包括无家可归者,提供更好的医疗服务,从而更有可能获得更个性化的护理。
然而,人们对中欧和东欧无家可归者的技术与健康之间的关系知之甚少。这项研究是Semmelweis大学(匈牙利布达佩斯)数字健康研究小组与马耳他骑士团匈牙利慈善服务机构合作开展的一系列研究的一部分;它旨在评估无家可归者可用的现有技术资源及其与健康有关的互联网使用特征,为潜在的卫生政策干预奠定基础,通过加强现有卫生保健系统的数字组成部分,使他们能够更好地获得卫生服务。
在2021年4月19日至2021年8月11日期间,来自匈牙利布达佩斯28个为无家可归者提供社会服务的机构的662人接受了关于他们使用数字工具和互联网使用模式的调查。对于选定的问题,匈牙利人口的代表性样本的回答作为参照组用于比较。进行卡方检验和逻辑回归分析,以确定影响与健康相关的互联网使用的变量。
结果表明,无家可归的人使用互联网的程度相当高;52.9%(350/662)的受访者经常使用互联网,而参照组的这一比例为81.3%(1220/1500)。在无家可归者群体中,69.6%(461/662)的受访者表示拥有手机,39.9%(264/662)的受访者补充说拥有智能手机功能。此外,11.2%(70/662)的受访者已经使用过健康移动应用程序,34.6%(229/662)的受访者曾使用互联网进行医疗。基于这些特征,我们能够在无家可归者中确定一个广泛定义的、数字化参与的群体(129/662,19.5%)。这一亚群倾向于从与其个人健康相关的数字化中受益。多变量分析表明,出于健康原因使用互联网对年轻受访者、女性、受教育程度较高的受访者和无慢性病的受访者更为显著。
虽然与一般人群相比,与健康相关的互联网使用统计数据较低,但我们的研究结果表明,将无家可归者纳入数字健康生态系统的想法是可行的,特别是如果系统地减少了访问障碍。结果表明,数字卫生服务作为社区庇护所手中的另一种工具,具有很大的前景,可以使无家可归者在社会基础设施中根深蒂固,并用于疾病预防。
无家可归是个人和社区两级的一系列复杂的社会、经济和健康挑战。这个词本身是对露宿街头的人(露宿者)、没有固定住所的人或住所不足的人的通用表达。在匈牙利,根据法律,无家可归者是指没有任何登记住所的人,或者其登记住所是无家可归者的住所[
尽管先前的研究已经承认在评估整个欧洲无家可归者的规模方面存在困难[
无家可归的状况既可被描述为健康状况不佳、社会排斥和边缘化的原因,也可被描述为其后果[
此外,早期的研究表明,尽管无家可归者的健康状况不佳,但为他们设计的治疗保健服务往往被描述为在可及性、可获得性和适当性方面不足和有限[
2019冠状病毒病大流行加速了许多在2020年至2022年期间经历了不同类型封锁的国家在卫生保健系统中采用数字技术。世界卫生组织对欧洲数字卫生形势的评估表明,在2019冠状病毒病大流行期间,许多数字卫生工具从被视为潜在机会转变为迫切需要,其使用量大幅增加[
尽管扩大卫生保健系统的数字组成部分被认为是一项前瞻性发展,但它提出了弱势阶层(如无家可归者)的无障碍问题。以无法获得技术设备为形式的物质障碍,以及无法使用技术的教育障碍,都可能导致无法获得服务和资源,进一步剥夺已经处于边缘地位的一部分人口。这种可能性会对行为和压力源产生负面影响,并可能进一步导致那些被数字排斥的人的健康状况更差,扩大已经存在的数字不平等现象[
系统回顾分析2015年至2021年的研究,研究问题(1)“无家可归者使用什么移动健康相关技术?”(2)“移动技术对无家可归者的健康影响是什么?”的研究发现,在17项研究中,大多数无家可归的参与者都拥有手机或智能手机,80%(1205/1507)的人拥有手机。年龄似乎是影响手机所有权和使用的重要因素,对移动互联网服务、智能手机功能和应用程序使用情况的确认性回答大幅下降[
然而,尽管存在障碍,几项研究报告了无家可归者对数字健康工具的兴趣[
正如上述文献综述所支持的那样,获取技术的物理障碍和与数字技术相关的教育障碍可能会加剧已经存在的数字不平等,从而损害无家可归者的利益,而互联网的使用已被证明与老年人更好的自我评价健康有显著关联[
本研究的主要目的是检验这些假设在匈牙利无家可归人口的背景下是否有效,并为公共卫生政策制定者提出建议。因此,主要的研究问题是:(1)匈牙利无家可归者是否出于与健康相关的原因使用数字工具,以及(2)明确可识别的变量,如机构和社会服务环境、年龄、教育或其他人口统计数据是否与此类使用相关。在社会制度特征的情况下,我们假设可以考虑独特制度对数字包容的现有障碍和潜力,并将其作为数字包容潜在干预措施的背景信息,我们的目标是将其作为第二个研究问题的一部分进行研究。
这项研究符合塞梅维什大学数字健康研究小组和马耳他骑士团匈牙利慈善服务(HCSOM)联合开展的一项更广泛的研究,旨在分析匈牙利数字健康与无家可归人口之间的关系。先前的研究研究了无家可归者对远程医疗服务的态度,主要发现是对一般医疗保健系统的信任导致了对数字医疗解决方案的信任[
无家可归可以用不同的方法分类;Edgar等人[
共有六间为无家可归人士提供社会服务的机构参与是次研究(
参与机构和社会服务的名单及特点(N=662)。
服务类型 | 精神一个分类 | 客户端 | 参与院校(N=28), N (%) | 参与者,n (%) |
街道外展服务 | 1.1 | 无家可归者 | 4 (14) | 106 (16) |
天避难所 | N/Ab | 无家可归者(不提供住宿) | 5 (17.9) | 167 (25.2) |
夜间避难所 | 2.1 | 无家可归者(只提供短期住宿) | 7 (25) | 145 (21.9) |
临时住所 | 3.2 - -7.2 | 无家可归者(住宿期限较长,最长为1+1年) | 7 (25) | 178 (26.8) |
以改善健康为重点的临时住所 | 3.2 - -7.2 | 健康状况严重的无家可归者(提供的住宿期限较长,最长为1+1年) | 2 (7.1) | 40 (6) |
家庭住所 | 7.2 | 无家可归家庭(住宿期限较长,最长为1+1或2年) | 3 (10.7) | 48 (72.5) |
一个思潮:无家可归和住房排斥的欧洲类型学。
b-不适用。
研究小组编制了一份问卷(
在2021年4月19日至2021年8月11日期间,研究小组与28个为无家可归者提供各种社会服务的机构合作,在匈牙利布达佩斯调查了662人。受访者是在自愿的基础上参与研究的。我们的研究团队联系了这些机构,他们的社工让无家可归的客户用纸笔填写问卷。社会工作者被允许帮助解释问题,但不允许影响答案。当被调查者使用多种社会服务(例如,日夜庇护所)时,我们要求个人在为他们提供最相关服务的机构完成问卷,以减少重复的回答。
问卷询问了社会人口统计数据(年龄、性别、教育水平、自定义无家可归和无家可归时间)和健康状况(就诊频率、现有医疗诊断和健康状况自我评估)。问题6-10用于收集有关卫生知识和一般识字技能的信息,而问题11-13和14-17则涉及使用移动电话和互联网的情况。接下来,问题18-21询问了互联网使用习惯,问题22和问题23询问了互联网接入的潜在障碍和促成因素。问题24提出了一系列关于数字健康素养的陈述,问题25询问了移动应用程序。
对于“你多久看一次医生/你使用医疗服务吗?”“你有什么慢性病或长期健康问题吗?””“你曾经使用过互联网吗?如果有,您在过去六个月内使用过它吗?和“你使用过任何与健康相关的移动应用程序吗?”匈牙利人口的代表性样本的回答被用作参考组,以提供更多的背景。这项具有代表性的调查由塞梅尔魏斯大学行为研究所数字健康工作组于2021年10月5日至2021年10月13日进行,包括1500名匈牙利人在“匈牙利E-Patients”研究框架下的回应[
作为定量分析的一部分,我们描述性地检查了频率、平均值和百分比分布。使用皮尔逊卡方检验对技术的使用及其各种相关因素(人口变量和与获得卫生服务有关的变量)进行单变量分析,显著性水平为
在多变量分析中,采用二元logistic回归模型。该方法用于调查“你是否曾因健康原因使用过互联网?”这是因变量。控制变量为性别、机构和社会服务类型、教育水平、年龄、就诊频率和慢性病患病率。采用进入回归法选取影响因变量的自变量。给定变量的回归系数的显著性用
数据分析采用SPSS (version 26;IBM公司)统计软件[
数据收集是匿名的。所有病例均获得了书面知情同意声明,并由匈牙利医学研究理事会科学研究伦理委员会根据TUKEB:133/2020和IV/10927/2020/EKU颁发了该研究的伦理批准。
该研究小组调查了匈牙利布达佩斯的662名成年人,他们来自28个为无家可归者提供服务的社会机构。在受访者中,男性占71.2%(459/662)。在被招募的参与者中,38.8%(247/662)代表了bb60岁的年龄组,而18至44岁的参与者仅占25.9%(165/662)。平均年龄53.9岁,SD为13.08岁。70.7%(468/662)的受访者认为自己无家可归,25.8%(171/662)的受访者不认为自己无家可归。共有66.6%(441/662)的受访者还指出了他们无家可归的时间:21.6%(143/662)的人无家可归1至5年,16.5%(109/662)的人无家可归5至10年,28.5%(189/662)的人无家可归10年,平均11.35年,SD为9.27年。大多数受访者只接受过小学教育(252/662,38.1%)或职业培训(232/662,35%),而20.4%(135/662)的受访者高中毕业,4.5%(30/662)的受访者表示他们完成了学院或大学教育。主要人口统计参数见
无家可归者群体的主要人口统计数据。-不适用。
作为关键的自变量,我们调查了受访者的健康状况,并将其与参照组的数据进行了比较。共有16.5%(109/662)的受访者表示,他们每月看医生或使用卫生保健服务超过一次,与参考组相比,这是相对频繁的,其中6.4%(96/1500)的受访者表示,他们每周看医生一次以上,每周看一次以上,或每月看一次以上。在无家可归者组中,21.8%(144/662)的受访者表示他们每1或2个月去看一次医生,这与参考组(284/1500,18.9%)的结果几乎相同。主要区别在于,大多数无家可归者(42.3%(280/662))每年或更少地去看医生,而参照组(539/1500)的35.9%(539/1500)表示他们每年使用1至2次卫生保健服务,只有13%(195/1500)的受访者报告每年去医生办公室。
在无家可归的参与者中,46.1%(305/662)报告没有慢性疾病或需要持续治疗≥6个月的长期疾病,但那些有慢性疾病的人的分布只有轻微差异(274/662,41.4%)。那些有慢性疾病的人列出了慢性阻塞性肺病、哮喘、糖尿病、高血压、精神疾病和慢性心脏病等。参考组中48.8%(732/1500)的受访者表示有长期疾病,51%(765/1500)的受访者表示没有任何疾病。
对于无家可归者评估自己的健康状况,12.1%(80/662)和20.4%(135/662)的受访者分别表示“非常好”或“相当好”,而大多数人(284/662,42.9%)认为“一般”。此外,14%(93/662)和6.6%(44/662)的受访者分别表示,他们认为自己的健康状况“相当差”和“非常差”(
当被问及他们在告知医疗问题时使用哪些渠道时,20.5%(136/662)的受访者表示他们在网上搜索。这排在向初级保健医生咨询信息(352/662,53.1%)和向社会机构的社会工作者咨询信息(260/662,39.2%)之后,这意味着他们出于医疗目的咨询互联网的频率可能比向家人或朋友咨询的频率要高(108/662,16.3%)。
与无家可归者群体健康状况有关的关键人口统计数据。-不适用。
对于选择题“你现在如何上网?”“98人(98/551,17.8%)表示他们有自己的智能手机并签订数据合同,100人(100/551,18.1%)表示他们有自己的智能手机并使用现收现付设施,118人(118/551,21.4%)表示他们有自己的智能手机并通过免费Wi-Fi热点上网,136人(136/551,24.7%)表示他们通过社会机构或收容所的公共PC上网,只有15人(15/551,18.1%)表示他们有自己的智能手机并通过免费Wi-Fi热点上网。2.7%)回答有个人电脑,84人(84/551,15.2%)回答“其他”。在后一类问题中,答案包括使用别人的手机、“网吧”或拥有平板电脑,但最常见的回答是,他们没有办法上网,他们不在乎,或者他们不使用电脑。只有少数人以多种方式访问互联网(70/662,10.6%以2种方式访问,12/662,1.8%以3种方式访问,4/662,0.6%以4种方式访问),而超过一半的受访者仅以一种方式访问(359/662,54.2%)或没有方式访问(217/662,32.8%)。
在参考组中,81.3%(1220/1500)的受访者表示他们经常使用互联网,而在无家可归组中,67.2%(445/662)的受访者在被问及他们是否曾经使用互联网(
大多数无家可归者(461/662,69.6%)表示他们拥有一部手机。此外,39.9%(264/662)的受访者还表示他们的手机具有智能手机功能,11.2%(74/662)的无家可归者组受访者表示他们至少使用过一个移动健康(mHealth)应用程序,而参考组的这一比例为18.5%(277/1500)。在无家可归者组中,那些积极回答问题的人提到使用应用程序来计算步数、获取紧急帮助、获取相关医疗信息和提供健康数据。移动健康应用程序与两个变量相关。卡方检验结果对机构类型和社会服务(
对于他们认为自己在互联网使用方面有多少经验的问题,10%(66/662)的受访者表示“非常有经验”,14.5%(96/662)的受访者表示“相当有经验”,21.5%(142/662)的受访者表示“一般”,10.3%(68/662)的受访者认为自己“相当没有经验”,最普遍的回答是“根本没有”经验,35.3%(234/662)。共有8.5%(56/662)的人没有回答这个问题。当将自我报告的技术素养与年龄、教育程度、性别、无家可归、机构和社会服务类型以及就诊频率进行交叉表列时,卡方检验对年龄有显著影响(
无家可归者和参考群体的健康和互联网使用特征。-不适用。
对于多项选择题,“如果有什么障碍,限制你使用互联网?”在682份回复中,210份(30.8%)表示没有任何阻碍;104位(15.2%)受访者表示免费Wi-Fi热点不足;只有46人(6.7%)表示他们有智能手机,但他们没有数据合约或现收现付服务;另有52人(7.6%)表示他们可以上网,但不知道如何使用互联网。在682名受访者中,146名(21.4%)表示没有智能手机,60名(8.8%)表示没有足够的公共电脑(例如在提供社会服务的机构)。此外,在682名受访者中,有64名(9.4%)表示他们在任何地方都无法上网。
对于“什么能帮助你更多地使用互联网?”在598名受访者中,145名(24.2%)受访者希望拥有智能手机,110名(18.4%)受访者表示希望有更好的上网条件(他们有智能手机,但没有可用的互联网连接选项),另有56名(9.4%)受访者表示希望有更好的上网条件(他们在提供社会服务的机构使用个人电脑,但可用的设备数量有限),135名(22.6%)受访者表示希望有更多的知识(他们不知道如何使用互联网,如果他们能得到帮助会有所帮助);然而,对于大多数人(152人,25.4%)来说,这个问题并不相关,因为他们已经尽可能多地使用互联网。
对于“你曾因健康原因使用过互联网吗?”34.6%(229/662)的无家可归者说他们有。在参照组中,10.7%(160/1500)每天使用,18.4%(276/1500)每周使用,18.2%(273/1500)每月使用,24%(360/1500)较少使用,占代表性样本的71.3%(1069/1500)。这意味着一般人群使用互联网用于医疗目的的频率是无家可归者的两倍多。
当与性别、年龄、机构和社会服务类型、教育程度、就诊频率和健康状况自我评价交叉表时,卡方检验对性别(
在我们的分析过程中,我们在样本中发现了一个特定的亚群体,被确定为“数字参与的无家可归者群体”。这个群体的成员在某种意义上是明确的,他们不需要进一步的数字包容。根据以下纳入标准选择该组进行进一步分析。
首先,我们选择了那些说他们至少每两周使用一次互联网的受访者(339/662,51.2%)。下一步,我们向拥有数据合约、现收现付服务、免费Wi-Fi或拥有电脑或平板电脑的智能手机受访者询问“你目前是如何上网的?”(241/662, 36.4%)。然后,我们过滤掉了那些不觉得自己是一个普通或更有能力的互联网用户的受访者(208/662,31.4%)。此外,我们选择了那些回答“是”的人,他们是否曾因健康原因使用过互联网(129/662,19.5%)。我们还考虑根据“您是否使用过任何与健康相关的移动应用程序?”但参照组中只有18.5%(277/1500)的人对这个问题做出了积极的回应,我们预计无家可归者的人数会明显减少,接近可分析性。相比之下,参考人群中的低数字表明,移动健康应用程序的使用不一定与整体健康相关的数字参与有意义的联系。因此,我们创建了两个亚种群,一个定义更广泛,一个定义更严格的群体,并分别分析了它们的特征(
选择数字参与的无家可归者群体的流程图。
当所选择的亚组包括无家可归者总数的19.5%(129/662)时,该亚组中包括的女性(47/129,36.4%)明显多于原始人口(186/662,28.8%)。当与性别、年龄、教育程度、就诊频率、慢性病患病率、机构和社会服务类型进行交叉表列时,卡方检验结果对慢性病患病率(
在662名参与者中,我们过滤掉了那些从未使用过与健康相关的移动应用程序的人(
卡方检验结果显示,性别、年龄和就诊频率与健康相关的互联网使用相关;然而,为了分析哪些人口统计或健康状况变量影响与健康相关的互联网使用,需要一个二元逻辑回归模型。
因变量是与健康相关的互联网使用,我们在模型中输入了性别(1=女性,2=男性)、年龄(作为连续变量)、机构和社会服务类型(6类)、教育(4类)、就诊频率和慢性病患病率。
逻辑回归模型被发现是显著的(Nagelkerke
逻辑回归模型(Nagelkerke R2= 0.154)一个.
|
B (SE) | 沃尔德检验( |
|
Exp (B) |
性别(1 =女;2 =男性) | −0.480 (0.222) | 4.660 (1) | 03 | 0.619 |
你的最高学历是什么? | - - - - - -b | 9.186 (3) | 03 | - - - - - - |
你的最高学历是什么?(1 =小学) | 0.458 (0.483) | 0.899 (1) | 点 | 1.581 |
你的最高学历是什么?(2 =职业培训) | −0.191 (0.480) | 0.158 (1) | i = | 0.826 |
你的最高学历是什么?(3 =高中) | −0.141 (0.495) | 0.081 (1) | 尾数就 | 0.869 |
你多久去看一次医生或使用医疗服务? | 0.155 (0.099) | 2.453 (1) | 点 | 1.168 |
你有慢性病或长期健康问题吗?所谓长期,我们指的是持续了六个月或更长时间的问题。 | −0.481 (0.238) | 4.077 (1) | .04点 | 0.618 |
年龄 | 0.049 (0.009) | 30.033 (1) | <措施 | 1.050 |
你与哪个为无家可归者提供服务的机构有联系? | - - - - - - | 3.607 (5) | - - - - - - | - - - - - - |
你与哪个为无家可归者提供服务的机构有联系?(1 =外展服务) | 0.606 (0.458) | 1.752 (1) | .19 | 1.833 |
你与哪个为无家可归者提供服务的机构有联系?(2 =天住所) | 0.356 (0.397) | 0.804 (1) | .37点 | 1.428 |
你与哪个为无家可归者提供服务的机构有联系?(3 =晚上住所) | 0.058 (0.431) | 0.018 (1) | .89 | 1.059 |
你与哪个为无家可归者提供服务的机构有联系?(4 =临时住所) | 0.109 (0.434) | 0.063 (1) | .80 | 1.115 |
你与哪个为无家可归者提供服务的机构有联系?(6 =家庭住所) | 0.223 (0.585) | 0.145 (1) | 2 | 1.249 |
常数 | −2.052 (0.838) | 6.002 (1) | . 01 | 0.128 |
一个因变量:你曾因健康原因使用互联网吗?(0 =没有;1 = yes)。
b不可用。
无家可归的成年人经历了老年疾病的早期发作,一系列复杂的慢性疾病和过早死亡[
根据我们的研究结果,被调查的无家可归者显示出与健康相关的技术使用倾向,并部分使用数字工具。总体而言,结果积极地回应了我们的第一个研究问题,即无家可归者出于与健康相关的原因使用数字工具。
相当大比例的受访者拥有手机(461/662,69.6%),而拥有智能手机(264/662,39.9%)的受访者数量较少,但仍然显著。这些发现与文献中提出的结果是一致的,尽管根据我们的发现,设备的所有权和访问互联网落后于西方国家。2013年,McInnes等[
我们的研究结果显示,无家可归的人最常向他们的家庭医生和社会工作者寻求医疗问题的帮助,但他们第三常见的选择是互联网(20.5%),甚至在向家人或朋友求助之前。总共有34.6%(229/662)的受访者表示他们使用互联网用于医疗目的,11.2%(74/662)的受访者表示已经使用过医疗移动应用程序。
此外,我们必须考虑到技术上的限制。第一款iPhone于2007年发布,它引入了智能手机的概念,智能手机互联网使用的普及,以及个性化的网络搜索。在社会经济地位较低的群体中,技术的采用速度较慢,之前的研究发现,无家可归者中智能手机和互联网的使用率低于任何年龄段有住房的低收入成年人。
根据我们的发现,对我们第二个研究问题的回应,即明确可识别的变量,首先是机构和社会服务,除此之外,年龄,教育或其他人口统计数据可能与健康相关的互联网使用有关,必须部分拒绝。卡方检验和二元回归模型均未显示统计学显著结果。提供的机构获取和社会服务的类型与获取和使用数字工具和互联网无关,数字参与小组除外。相反,我们的逻辑回归模型显示,年龄、性别、教育水平和慢性病患病率是统计上显著影响与健康相关的互联网使用的变量。
与我们的研究结果一致,Harris等[
虽然年龄似乎不是无家可归者获取技术的关键因素,因为大多数受访者都有手机(461/662,69.6%),主要代表50至60岁的年龄组,但当涉及到他们自己对使用基于网络的服务和与健康有关的互联网使用能力的看法时,年龄可能是一个关键因素。年轻的受访者(18-44岁)认为自己相当有能力,而年龄较大的受访者(45-59岁和60岁左右)在使用互联网时不认为自己有能力或根本不认为自己有能力。此外,回归模型显示,无家可归的受访者越年轻,他们就越有可能出于健康原因使用互联网。
回归模型显示,在与健康相关的互联网使用方面,性别是一个解释因素,这意味着无家可归者群体中的女性倾向于主要出于与健康相关的目的使用数字工具。这与普通人群的趋势一致,正如Resch等人[
就教育水平而言,完成较高教育水平的人更倾向于使用数字健康工具,尽管只有4.5%(30/662)的样本表示他们完成了学院或大学教育,这与样本的性别构成类似,可能会影响使用模式。相比之下,这一发现与技术素养的自我评估是一致的。卡方检验结果在教育(
关于慢性病的流行,结果表明,没有慢性病或任何长期疾病的无家可归者往往更多地将互联网用于与健康有关的目的,这可能源于这样一种模式,即那些更关心自己健康的人倾向于使用多种工具包来获得保健和福祉,包括数字工具。而那些患有严重慢性疾病的人可能会因为难以满足基本的人类需求或缺乏获得护理的资源而倾向于忽视他们的状态[
总体而言,回归模型的结果与一般人群的趋势一致:年轻和受教育程度更高的人倾向于使用数字健康工具[
在与健康有关的互联网使用和获取数字工具方面,无家可归者是一个多样化的群体,有大量的数字参与参与者。在分析数据时,研究小组发现了两个可广泛解释的数字参与无家可归者亚群:一个亚群不使用与健康相关的移动应用程序(129/662,19.5%),另一个亚群使用此类应用程序(39/662,5.9%)。总体而言,数字参与群体中女性和年轻受访者的比例都高于无家可归者,这与回归模型的结果一致。总体结果也与之前的文献一致,即低收入人群依赖智能手机而不是电脑上网;在我们的样本中,后者的使用频率也低于智能手机。
人口统计因素与更广泛定义的子群体之间的关联的卡方检验表明,机构和社会服务的类型以及教育水平——完成教育的水平越高,数字参与的程度越高——是成为数字参与的重要因素。临时避难所(40/129,31%)和白天和夜间避难所(28/129,21.7%和22/129,17%)容纳了亚人群中的大多数受访者(90/129,69.7%),这意味着长期生活条件似乎与数字包容有关。同样的模式出现在更严格定义的亚组中;对人口统计因素之间关联的卡方检验表明,只有提供社会服务的机构类型才是数字参与的重要因素。在选定的亚组中,几乎有一半的人使用临时住所,而在露宿者和使用紧急住所的人中,很少有数字用户。
Rice等[
然而,一些研究表明,无家可归者与技术的互动受到资源缺乏和结构限制的显著影响[
与之前的研究一致,在匈牙利无家可归人口的背景下,增加公共高速互联网接入和为高需求的低收入人群提供折扣智能手机也可能增加互联网接入[
研究无家可归者的健康和技术相关行为的研究往往主要在美国和加拿大进行,而对其他国家无家可归者使用技术的研究则很少[
与其他调查特定地区无家可归人口的研究相比,本研究的样本量(N=662)被认为是值得注意的,并且足够大,可以得出统计上显著的结论。
研究样本代表了来自匈牙利布达佩斯的城市无家可归者,那里的社会经济条件可能与生活在农村的人不同。在我们的研究中招募的无家可归者与社会基础设施有联系;因此,露宿者和其他没有参与任何社会活动的人没有被代表。
研究小组完全依赖于手机拥有量、互联网接入和互联网使用的自我报告,并没有试图以任何方式验证这些报告(例如,通过电话费、直接观察或其他方法)。
尽管与健康相关的互联网使用统计数据低于一般人群,但结果表明,使用模式是相似的。将匈牙利无家可归者纳入数字卫生生态系统的想法并非牵强,而是一个相当可行的概念,特别是如果系统地减少获取障碍并加强使用的推动因素。
在数字生态系统的发展过程中,可以考虑几个因素,例如提供社会和医疗服务的机构的作用。从基础设施的角度来看,设备和订阅的不可获得性和低可负担性以及缺乏公开提供的免费Wi-Fi热点被认为是获取数字技术的障碍。所有这些因素都可以通过适当的改变得到改善,比如在社会机构中启用更多的Wi-Fi热点和安装更多的公共电脑。此外,专门为无家可归者设计的互联网服务计划(例如,为医疗目的提供的预付费服务)可以促进向更好的数字健康的转变。
值得注意的是,尽管在获取数字技术方面存在各种障碍,但我们的研究确定了一个数字化参与的无家可归者亚群体,其成员正在积极使用数字工具来实现健康目的。通过对这一群体进行更深入的分析,可以描绘出扩大获取和使用的特点、动机和潜力,这一群体可以形成全面和适当的数字公共卫生干预措施的基线。
我们对这一群体的初步分析已经表明,住宿特征在评估无家可归者获得数字医疗服务的可及性方面也发挥了作用。拥有更稳定住房解决方案的无家可归者往往对数字技术更开放,比条件不太稳定的人更容易获得自己的数字资源。在为无家可归者规划进一步复杂和全面的数字健康方案时,这些信息可能会得到有效利用,这些方案以机构为中心,作为进一步发展的现有资源。
为无家可归者提供数字医疗服务和扫盲调查。
马耳他骑士团匈牙利慈善服务团
移动健康
该研究项目得到了国家研究、发展和创新办公室(OTKA-FK 134372)的支持。作者要感谢以下同事对研究的支持:Róbert Jónás Tóth, Emília Morva, Tamás Szentkereszty,以及所有参与研究的社会机构的同事。
没有宣布。