这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
数字技术已经改变了我们管理健康的方式,需要电子卫生素养来参与卫生技术。如果用户的电子卫生素养需求得不到满足,任何电子卫生战略都将是无效的。一个强有力的电子卫生知识普及措施对于了解这些需求至关重要。电子卫生素养框架确定了电子卫生素养的7个维度,在此基础上编制了电子卫生素养问卷。该工具在丹麦环境中已经表现出强大的心理测量特性,但有效性测试应该是一个持续和累积的过程。
本研究旨在评估澳大利亚社区卫生环境中eHLQ测试内容、反应过程和内部结构的效度证据。
采用混合方法和认知访谈来检验测试内容和反应过程的证据,而采用横断面调查来检验内部结构的证据。数据收集于澳大利亚维多利亚州3个不同的社区卫生站。心理测试包括经典测试理论和项目反应理论两种方法。方法包括采用贝叶斯结构方程模型进行验证性因素分析、内部一致性和信度重测;采用贝叶斯多指标多原因模型进行差异项目功能检验。
认知访谈只发现了1个令人困惑的术语,并加以澄清。所有项目都很容易阅读和理解。共纳入525份问卷进行心理测量分析。所有量表均为同质,综合量表信度范围为0.73 ~ 0.90。7个量表的测试-重测信度的类内相关系数在0.72至0.95之间。使用交叉载荷和剩余协方差的小方差先验的7因素贝叶斯结构方程模型拟合数据,感兴趣的模型产生了令人满意的拟合(后验生产
证据表明,eHLQ是一种具有强大心理测量特性的工具,建议进一步调查判别效度。它已准备好用于确定电子卫生素养的优势和挑战,并协助制定数字卫生干预措施,以确保数字访问和技能有限的人不被落下。
数字技术给现代生活带来了根本性的变化,包括我们如何管理自己的健康。我们可以在指尖上快速搜索卫生信息,但也面临着大量错误信息,这在COVID-19大流行期间表现得很明显[
为了描述获取和使用数字技术促进卫生方面的挑战,2006年提出了电子卫生扫盲的概念[
为了描述和解决电子健康知识普及需求,Norgaard等人[
利用技术处理健康信息
了解健康概念和语言
积极参与数字服务的能力
感觉安全,一切尽在掌握
积极参与数字服务
获得有效的数字服务
适合个人需要的数码服务[
eHLQ包含了与使用数字卫生系统的用户交互和体验相关的电子卫生素养维度,在捕捉数字技术的交互性和不断增强的功能的同时,拥抱了用户的真实体验。它可以提供关于个人能力以及数字卫生系统成熟度的丰富信息,因为成熟的系统可能更能响应用户的个人需求[
eHLQ同时以丹麦语和英语编写,以避免习惯用语和改进项目措辞,以加强今后将问卷翻译成其他语言的工作[
效度测试是一个持续的过程,根据教育和心理测量的开发和使用的权威参考,根据测试内容、反应过程、内部结构、与其他变量的关系以及测试的后果,积累5个证据来源
基于测试内容的证据用于确定项目是否代表内容领域,还可能包括措辞是否易于阅读和管理格式是否易于使用。响应过程是指调查参与者的认知过程,即参与者对项目的解释是否与测试开发者对项目的预期解释一致。它还可能包括口译是否在子组或不同管理格式之间保持相同。内部结构是项目符合结构的程度,与因素分析、可靠性和测量不变性等方面有关。与其他变量的关系是分析在被测量结构的理论网络中相关的另一种工具的得分与得分可以预测的其他外部变量之间的关系,而测试的后果与建议使用测试分数的稳健性有关,包括预期的好处、间接影响和意想不到的后果,如构造代表性不足或构造不相关性[
对有效性证据的收集和评价方法,以文献中的讨论为指导
参与这两项活动的资格标准是年龄≥18岁,有或没有任何健康问题,能够完成纸质、网络或面对面访谈形式的问卷调查。有严重认知或心理健康问题、临床症状严重、英语水平不足以完成问卷、没有护理人员协助的客户被排除在外。
该研究获得了迪肯大学人类研究伦理委员会的伦理批准(HEAG-H 146_2017)。
认知访谈通常用于探索人们如何回答调查项目的认知过程[
鉴于认知访谈的定性性质,不需要大样本量,但需要具有代表性和多样性[
在卫生网站的协助下招募了参与者,并提供了一份简单语言的信息表,并征求了书面同意。访谈在参与者完成书面形式后进行。当参与者回答问卷时,观察他们的行为。完成后,研究人员提出了两个问题,以深入了解认知过程:(1)回答这个问题时你在想什么?你为什么选择这个答案?鼓励与会者就项目或格式提出任何进一步意见。他们可以就全部35个项目或部分问卷进行采访,主要是针对年龄较大的参与者,以避免疲劳和认知过载。
数据分析采用文本汇总[
对于横断面调查,在等候区招募客户,并向其提供一份信息表。作为一种促进参与的策略,在返回完成的问卷时,不要求签署同意书作为隐含同意。除了使用纸质或基于网络的形式进行自我管理外,还包括访谈,以确保老年人或文化水平低的人能够参与。人口统计问题包括年龄、性别、邮政编码、家庭语言、教育程度、健康状况、感知健康状况和数字服务的使用情况。在Cheng等人的研究中对招聘进行了进一步描述[
类似于丹麦eHLQ效度测试[
使用三种统计软件程序进行分析,即SPSS (version 25.0;IBM公司)[
为了处理eHLQ分数的缺失数据,首先检查数据集。如果没有发现明显的缺失模式,即可以认为缺失是完全随机的,则采取两步方法。第一步是删除缺失值超过50%的案例,以减少潜在的偏差。第二步是用SPSS中的期望最大化算法imputation替换所有缺失值[
道具难度是一种道具属性,通常是CTT方法中道具分析的第一步[
为了衡量信度,评估了内部一致性和重测信度。除了常用的克朗巴赫
在经典项目分析之后,假设假设结构是先验指定的,进行了CFA。与丹麦效度测试相似,采用BSEM方法[
在分析开始时,BSEM中的不同参数规格被描述为先验,它可以是弥漫的(非信息性的)或信息性的[
一个由1因素模型和7因素模型组成的序列(
根据所选7因素模型的结果,使用Fornell-Larcker准则评估判别效度[
BSEM方法进一步用于测试差分项功能(DIF),即测量在不同组或分组变量之间的稳定性[
以电子健康素养问卷量表1为例,采用贝叶斯多指标多原因模型进行差别性项目功能测试。从Mplus输出:Admin:行政格式(0=面对面面试,1=纸质格式);面积:场地面积,即参与机构所在位置(0=大都市,1=区域);设置:健康设置(0=私人诊所,1=社区卫生);UTPHI:电子卫生素养问卷量表1(使用技术处理卫生信息);Q7D1、Q11D1、Q13D1、Q20D1和Q25D1:电子健康素养问卷项目。
要执行IRT分析,需要满足4个假设。单维性(项目测量相同的结构)、局部独立性(每个项目不应该相关,除非它们测量相同的结构)和项目不变性(项目参数在子组中相同)的假设可以通过CTT分析部分中描述的CTT方法进行检查。通过检查测试特征曲线来评估单调性假设(赞同某项的概率随着特征水平的增加而增加)[
共招募了12名参与者进行两轮认知访谈。在这12名参与者中,8名(67%)是女性,4名(33%)是男性,58%(7/12)的参与者年龄为65岁,17%(2/12)的参与者在家说英语以外的语言。该样本很好地代表了来自不同年龄组和文化背景的人。第一轮有7名参与者确定了这个词
尽管参与者的背景不同,但在理解项目方面并没有发现重大差异,所有参与者都认为项目易于阅读。与会者的建议也导致了介绍页面的更改,以提供技术、卫生技术、电子卫生系统和卫生保健提供者或卫生专业人员的示例。问卷完成时间为3 ~ <7分钟。
共收集完成问卷530份。在统计分析部分描述的缺失值处理的基础上,删除了5个案例,导致心理测量分析的最终样本量为525。横断面调查的参与者年龄在18岁至94岁之间,61%(320/525)的参与者是女性。共有33.3%(175/525)受访者接受过大学教育,30.9%(162/535)受访者在家中使用英语以外的语言。在525名参与者中,300人(57.1%)报告患有某种形式的慢性疾病。在科技使用方面,在525名受访者中,151名(28.8%)没有电脑或笔记本电脑,131名(25%)没有使用电子邮件或短讯(
横断面调查参与者的特征(N=525)。
特征 | 价值 | ||
年龄(年),平均值(SD;范围) | 56.8 (18.6;18 - 94) | ||
|
|||
|
站点1:都市私人诊所 | 204 (38.9) | |
|
站点2:大都市社区卫生 | 204 (38.9) | |
|
地点3:区域私人诊所 | 117 (22.3) | |
|
|||
|
基于纸张的 | 399 (76) | |
|
基于网络的 | 13 (2.5) | |
|
面对面的面试 | 113 (21.5) | |
|
|||
|
女 | 320 (61) | |
|
男性 | 203 (38.7) | |
|
|||
|
小学及以下学历 | 27日(5.1) | |
|
中学或以下学历 | 173 (33) | |
|
行业证书或文凭 | 141 (26.9) | |
|
完成大学 | 175 (33.3) | |
|
|||
|
英语 | 363 (69.1) | |
|
其他 | 161 (30.7) | |
|
|||
|
IRSDb1 - 4 | 123 (23.5) | |
|
IRSD 5 - 6 | 111 (21.1) | |
|
IRSD 7 - 8 | 134 (25.5) | |
|
IRSD 9 - 10 | 140 (26.6) | |
|
|||
|
是的 | 249 (47.4) | |
|
没有 | 267 (50.9) | |
|
|||
|
没有 | 225 (42.9) | |
|
关节炎 | 115 (21.9) | |
|
癌症 | 14 (2.7) | |
|
心脏病 | 90 (17.1) | |
|
糖尿病 | 67 (12.8) | |
|
呼吸道条件 | 41 (7.8) | |
|
焦虑 | 69 (13.1) | |
|
抑郁症 | 69 (13.1) | |
|
其他 | 89 (17) | |
|
|||
|
从优秀到优秀 | 400 (76.1) | |
|
对穷人公平 | 103 (21.5) | |
|
|||
|
电脑或笔记本电脑 | 374 (71.2) | |
|
手机或智能手机 | 459 (87.4) | |
|
平板电脑 | 241 (45.9) | |
拥有的设备数量,平均值(SD;范围) | 2.1 (0.9;0 - 4) | ||
|
|||
|
电子邮件 | 394 (75) | |
|
短信短信 | 398 (75.8) | |
|
脸谱网 | 266 (50.7) | |
|
推特 | 30 (5.7) | |
|
104 (19.8) | ||
|
Snapchat | 51 (9.7) | |
|
WhatsApp或微信 | 112 (21.3) | |
|
写博客 | 15 (2.9) | |
|
论坛/聊天室 | 26日(5) | |
使用的平台数量,平均值(SD;范围) | 2.7 (1.8;清廉) | ||
在过去3个月内查找基于web的信息,n (%) | 392 (74.4) | ||
以数字方式监视的运行状况,n (%) | 183 (34.9) |
一个社会经济地位由IRSD10分类。此指数是根据澳洲统计局[
bIRSD:澳大利亚2016年相对社会经济劣势十分位数指数。
量表7的平均得分范围为2.43 (SD 0.57) (
在认知访谈和主要调查期间的观察没有发现任何问题,当人们回答基于纸张或网络格式的项目时。对主调查完成的530份问卷的批注进行检查发现,0.03%(15/530)的参与者在某些项目旁边打了问号,表示他们不理解这些项目,0.10%(55/530)的参与者回答不清楚。这些结果表明,学生对项目的理解基本正确,4点顺序量表可接受。
电子健康素养问卷量表得分(N=525;分数范围1-4)。
规模 | 值,平均值(SD) | 缺失的数据 |
1.利用技术处理健康信息 | 2.59 (0.61) | 0 |
2.了解健康概念和语言 | 2.95 (0.41) | 0 |
3.积极参与数字服务的能力 | 2.65 (0.68) | 1 |
4.感觉安全,一切尽在掌握 | 2.83 (0.49) | 5 |
5.积极参与数字服务 | 2.63 (0.55) | 0 |
6.获得有效的数字服务 | 2.64 (0.45) | 1 |
7.适合个人需求的数字服务 | 2.43 (0.57) | 11 |
我们为所有尺度找到了道具难度范围,反映了相关结构的难度等级范围。项目难度范围最小的量表为7 (
的残馀协方差具有信息先验的1因子贝叶斯模型
随后的7因素模型拟合到数据集,测试了6个模型。所有模型都很好地拟合了数据。交叉负荷方差的先验模型设置为0.01,并逆wishart
AVE的检验表明,4个量表的估计值符合第一Fornell-Larcker准则,而3个量表的估计值<0.50(量表2、4和6)。鉴于这些AVE的估计值是基于允许交叉负荷和残余协方差的7因素模型,也计算了1因素模型的AVE估计值,7个量表的AVE估计值为0.66、0.49、0.72、0.61、0.65、0.47和0.74。因此,量表2和量表6的AVE估计值仍然<0.50。该因素与其他因素的关联的第二个标准也不满足。在此标准的基础上,只有量表2对量表4、量表6、量表7有较好的辨别能力,而量表4对除量表6外的所有量表都有较好的辨别能力。因此,各量表之间可能没有足够的区分效度(
对于内部一致性,Cronbach
用于测试管理格式、站点面积和运行状况设置的DIF的贝叶斯MIMIC模型实现了良好的模型拟合。选择DIF路径为0.01的模型作为感兴趣的7个量表的模型
对于组间差异,在场地面积和健康环境方面没有发现显著差异,但在管理格式方面发现了组间差异,在量表1 (
电子健康素养问卷7因子贝叶斯验证性因子分析模型的因子负荷,交叉负荷先验为0.01,残馀协方差为150一个.
项b | 1.使用技术 | 2.健康的概念 | 3.能力 | 4.感到安全 | 5.动机 | 6.访问 | 7.适合的需要 | |
|
||||||||
|
Q7D1 |
|
0.02 | 0.02 | 0.00 | −0.08 | −0.06 | −0.06 |
|
Q11D1 |
|
0.03 | −0.01 | −0.01 | −0.02 | −0.04 | −0.08 |
|
Q13D1 |
|
−0.02 | −0.03 | 0.02 | 0.08 | 0.06 | 0.05 |
|
Q20D1 |
|
−0.03 | −0.01 | 0.02 | 0.05 | 0.06 | 0.08 |
|
Q25D1 |
|
−0.01 | 0.02 | 0.01 | 0.03 | 0.04 | 0.06 |
|
||||||||
|
Q5D2 | 0.06 |
|
0.03 | 0.00 | 0.04 | 0.01 | 0.01 |
|
Q12D2 | 0.02 |
|
0.01 | 0.02 | −0.02 | −0.03 | −0.03 |
|
Q15D2 | −0.04 |
|
−0.02 | 0.03 | −0.01 | 0.03 | 0.02 |
|
Q21D2 | −0.03 |
|
−0.01 | −0.01 | −0.03 | −0.02 | −0.02 |
|
Q26D2 | 0.02 |
|
−0.00 | −0.02 | 0.05 | 0.04 | 0.04 |
|
||||||||
|
Q4D3 | 0.00 | −0.00 |
|
0.04 | 0.03 | 0.03 | 0.03 |
|
Q6D3 | 0.02 | 0.01 |
|
0.03 | −0.02 | −0.04 | −0.05 |
|
Q8D3 | 0.03 | 0.02 |
|
0.01 | 0.03 | 0.02 | 0.03 |
|
Q17D3 | 0.00 | −0.01 |
|
−0.02 | −0.03 | −0.03 | −0.04 |
|
Q32D3 | −0.03 | 0.01 |
|
−0.04 | 0.01 | 0.03 | 0.07 |
|
||||||||
|
Q1D4 | 0.02 | 0.00 | 0.01 |
|
−0.01 | −0.02 | −0.03 |
|
Q10D4 | 0.05 | 0.02 | 0.01 |
|
0.04 | 0.01 | 0.00 |
|
Q14D4 | 0.04 | 0.05 | 0.02 |
|
0.05 | 0.05 | 0.03 |
|
Q22D4 | −0.03 | −0.02 | −0.01 |
|
−0.03 | −0.01 | 0.00 |
|
Q30D4 | −0.01 | −0.01 | 0.01 |
|
0.01 | 0.02 | 0.04 |
|
||||||||
|
Q2D5 | −0.04 | −0.02 | −0.01 | 0.02 |
|
−0.01 | −0.02 |
|
Q19D5 | 0.04 | 0.02 | 0.02 | −0.04 |
|
−0.00 | 0.00 |
|
Q24D5 | −0.02 | 0.01 | −0.02 | 0.05 |
|
0.02 | 0.01 |
|
Q27D5 | 0.00 | 0.01 | −0.01 | 0.01 |
|
−0.01 | −0.02 |
|
Q35D5 | 0.04 | 0.00 | 0.03 | −0.01 |
|
−0.00 | 0.00 |
|
||||||||
|
Q3D6 | -0.11 | 0.02 | −0.05 | 0.06 | −0.08 |
|
−0.08 |
|
Q9D6 | 0.13 | −0.00 | 0.08 | −0.03 | 0.05 |
|
0.05 |
|
Q16D6 | −0.11 | 0.02 | −0.04 | 0.05 | −0.05 |
|
−0.02 |
|
Q23D6 | 0.05 | −0.03 | 0.01 | 0.00 | 0.03 |
|
0.01 |
|
Q29D6 | 0.00 | −0.01 | −0.01 | −0.01 | 0.02 |
|
−0.00 |
|
Q34D6 | 0.12 | 0.01 | 0.08 | −0.07 | 0.07 |
|
0.07 |
|
||||||||
|
Q18D7 | 0.05 | 0.02 | 0.04 | −0.02 | −0.02 | −0.03 |
|
|
Q28D7 | 0.00 | −0.03 | −0.02 | 0.01 | 0.03 | 0.01 |
|
|
Q31D7 | −0.09 | 0.01 | −0.05 | 0.07 | −0.04 | 0.03 |
|
|
Q33D7 | 0.02 | 0.00 | 0.04 | −0.04 | −0.00 | −0.02 |
|
一个模型拟合:后验预测
b看到
c斜体值表示有统计学意义的因素负荷(
7个电子健康素养问卷量表的因子间相关性(对角线下)、平均方差提取(对角线上)和共享方差估计(对角线上)。
规模 | 1.使用科技 | 2.健康的概念 | 3.能力 | 4.感到安全 | 5.动机 | 6.访问 | 7.适合的需要 |
1.利用技术处理健康信息 | 0.53一个 | 0.37b | 0.90b | 0.06 | 0.84b | 0.38b | 0.56b |
2.了解健康概念和语言 | 0.61 | 0.32一个 | 0.38b | 0.22 | 0.34b | 0.25 | 0.21 |
3.积极参与数字服务的能力 | 0.95 | 0.62 | 0.59一个 | 0.04 | 0.72b | 0.34b | 0.61b |
4.感觉安全,一切尽在掌握 | 0.25 | 0.47 | 0.21c | 0.47一个 | 0.12 | 0.34b | 0.19 |
5.积极参与数字服务 | 0.91 | 0.58 | 0.85 | 0.35 | 0.52一个 | 0.63b | 0.69b |
6.获得有效的数字服务 | 0.62 | 0.50 | 0.58 | 0.58 | 0.80 | 0.32一个 | 0.75b |
7.适合个人需求的数字服务 | 0.75 | 0.46 | 0.78 | 0.43 | 0.83 | 0.87 | 0.65一个 |
一个这些值表示每个潜在变量提取的平均方差。
b这些值表明潜在变量共享方差估计超过其中一个或两个变量提取的平均方差。
c统计上无显著的因子间相关性(
估计管理格式、站点面积和健康设置对7个电子健康素养潜在变量的影响。
规模 | 管理格式a、b | 站点区域a、c | 卫生环境,维 |
1.利用技术处理健康信息 |
|
0.02 (0.06) | 0.10 (0.06) |
2.了解健康概念和语言 | −0.02 (0.07) | −0.00 (0.07) | 0.05 (0.08) |
3.积极参与数字服务的能力 |
|
−0.02 (0.05) | 0.07 (0.06) |
4.感觉安全,一切尽在掌握 | −0.03 (0.06) | 0.12 (0.06) | −0.04 (0.07) |
5.积极参与数字服务 |
|
0.03 (0.06) | 0.10 (0.06) |
6.获得有效的数字服务 | 0.02 (0.06) | 0.02 (0.06) | −0.02 (0.07) |
7.适合个人需求的数字服务 |
|
−0.01 (0.06) | 0.06 (0.07) |
一个报告标准化估计;括号中所示的估计值的后验标准差。
b行政格式代码:0=面试,1=论文。
c站点区号:0=大都市,1=区域。
d健康设置代码:0=私人诊所,1=社区健康。
e斜体值表示统计学上的显著差异,如果
具有所有显著目标因子负荷的1因子贝叶斯模型的结果提供了单维性和局部独立性的证据。管理格式、站点区域和运行状况设置的DIF测试支持项目不变性。Cheng等人还建立并报告了亚组之间的测量不变性,包括年龄、性别、教育程度、家庭使用的语言以及信息和通信技术的使用[
目视检查项目特征曲线显示,沿着最有可能的响应的潜在特征的连续统,响应类别的不同峰值,表明所有项目的有序阈值(
本研究收集并检验了基于测试内容、反应过程和澳大利亚社区卫生环境中eHLQ的内部结构的效度证据。项目和格式易于阅读和使用,项目可以按预期理解。贝叶斯CFA和IRT分析证实了内部结构的稳健性。然而,基于7因素BSEM估计的判别效度还没有很好地建立,需要进一步的研究。
认知访谈成功识别了1个容易混淆的术语,对其进行了修改,并对问卷的介绍页进行了改进。结果结合访谈和调查中的观察,以及有限的缺失值,为支持eHLQ测试内容和响应过程的效度证据提供了丰富的信息。
横断面调查的最终样本量为525个,为CTT和IRT分析提供了足够的样本量。虽然样本中女性和受过大学教育的参与者比澳大利亚全国平均水平更多,但参与者的社会人口学特征仍然反映了一个普遍多样化的样本。然而,四分之一的样本不使用电子邮件或寻找基于网络的信息,这表明在调查中有有限使用技术或电子健康的人。这将确保eHLQ的有效性测试结果也适用于电子卫生素养可能较低的人群。此外,在基于纸张和访谈的管理格式中确定的4个量表的组间差异进一步表明,这两组在年龄、教育程度和技术使用方面存在显著差异。因此,将面试选项作为招聘策略纳入老年人或文化水平较低的人的目的得到了实现。相比之下,两种形式的测量不变性的证据证实,回答不受采访偏见或社会期望的影响。对该样本的单独分析发现,老年人在同样的4个量表上得分也较低。
使用CTT和IRT方法对内部结构进行了严格的评估,以确保对eHLQ数据的不同方面的有效性和可靠性进行了调查。对于CTT分析,采用了应用信息先验的贝叶斯方法。尽管这种现代方法在测试模型拟合时可能涉及更多步骤,但它允许模型参数近似为零的假设。与传统的结构方程建模方法不同,该方法可以更好地近似真实世界。因此,七个1因子模型被发现很好地拟合了数据,证实了量表的同质性,而因子负荷和剩余方差是可以接受的。内部一致性信度的估计对所有量表都很好,尽管量表2 (
IRT分析进一步支持了准确测量电子卫生素养的测试特征和项目。测试和项目特征曲线表明,电子健康素养较高的参与者更有可能认可同意和强烈同意的项目。信息函数曲线表明,各题项能够在不同层次上收集到可靠、准确的信息。估计进一步表明,这些项目在区分具有不同电子卫生素养水平的参与者方面通常具有较高的敏感性。道具的位置也支持了道具代表不同难度级别的事实。CTT分析的项目难度指数进一步验证了这一点,它显示了两种估计显示出非常相似的模式,进一步加强了项目通常代表潜在因素的难度级别范围的证据。MIMIC模型的使用还发现,管理格式、站点面积和健康设置的DIF没有或可以忽略不计,从而确认了跨格式和设置的项目的度量等价性。
尽管值得注意的是,澳大利亚的结果与Kayser等人报道的丹麦效度测试结果大致相似[
在1因素模型之后,随后的7因素模型使用交叉负荷和剩余协方差的信息先验,证明了因子结构的良好模型拟合,正如问卷开发者假设的那样。所有的目标载荷在可接受的因子载荷下都是显著的,对于所选择的感兴趣的模型也没有显著的交叉载荷。尽管所选择的感兴趣的模型具有不同于丹麦效度测试所选择的模型的信息先验,但澳大利亚的数据分析通常复制了丹麦的结果,加强了eHLQ内部结构的证据。
一个可能的弱点,在心理测量性质的eHLQ可能是其判别效度。AVE的估计值表明,除量表2 (
这项研究提供了强有力的有效性证据,从eHLQ中得出的推论在不同的澳大利亚社区卫生环境中使用。由于这项研究是在COVID-19大流行之前进行的,因此远程医疗的接受和使用有所增加[
有效性证据的一个可能的限制是,样本只涉及能说和理解英语的参与者。虽然eHLQ是首批同时用两种语言编写的问卷之一,以尽量减少文化参考,但这两种语言都来自西方文化,国家卫生保健系统普遍发达。心理测量特性在其他文化群体和国家的表现如何尚不清楚。未来对eHLQ的研究应包括跨文化背景下的效度测试,包括不同语境和使用。丹麦效度测试研究是在社区环境中进行的,涉及一般人群。然而,这项研究只包括参加社区卫生服务的人。未来在澳大利亚其他环境下的eHLQ测试可能会加强该工具对普通人群的有效性证据。
本研究中提出的证据表明,eHLQ是一种具有强大心理测量特性的工具。有对测试内容的支持,并且项目被理解为预期的。尽管在区分效度方面存在潜在的弱点,但合理的建议是,这些项目可以在不同的澳大利亚卫生环境中为电子卫生素养的7个结构提供有效和可靠的评估。eHLQ已准备好用于确定电子卫生素养的优势和挑战,并协助制定数字卫生干预措施,以确保数字访问和技能有限的人不被落下。
无先验的电子健康素养问卷贝叶斯结构方程模型。m +的输出。
电子卫生素养问卷项目的描述性统计。
电子健康素养问卷单量表的心理测量特性。
贝叶斯模型拟合电子健康素养问卷7因素模型的信息。
估计电子健康素养问卷项目对管理格式、场地面积和健康环境的直接影响。
电子健康素养问卷项目特征曲线和信息功能曲线(患者报告结果输出的项目反应理论)。
平均方差提取
贝叶斯结构方程模型
验证性因素分析
经典测试理论
差别化项目功能
电子健康素养问卷
同类内相关系数
项目反应理论
多,多种原因
后验预测P
前验预测P
作者感谢Mukesh Haikerwal AC博士、Jenny Ktenidis女士、Altona North医疗集团和Cirqit Health的Rori Plaza女士、Janine Scott女士和Carrington Health的Olive Aumann女士以及圣安东尼家庭医疗实践的Ewa Piejko博士、Adel Asaid博士、Remon Eskander博士和Poate Radrekusa博士的慷慨支持。我们也感谢迪肯大学的Lisa Hanna教授和迪肯大学客座研究员Polina Putrik博士在数据收集方面的协助。RHO的部分资金来自澳大利亚国家卫生和医学研究委员会首席研究奖学金APP1155125。
没有宣布。