电子健康素养测量工具研究进展

刘彬彬,张晓敏,2,余静丽,2,张凯琦,杨惠敏

(1.河南科技大学护理学院,河南 洛阳 471000;2.河南科技大学第一附属医院,河南 洛阳,471003)

电子健康是借助信息和通信技术等方式帮助和加强医疗健康领域的预防、诊断、监控、治疗和管理等一系列服务过程的统称[1]。随着医疗保健的数字化,电子健康在医疗保健中发挥着越来越重要的作用。《“健康中国 2030”规划纲要》中也指出,要建设健康信息化服务体系,积极发展“互联网+健康医疗”服务,持续提高国民健康素养水平,使人人能享有基本的健康服务。截至2022年6月,我国互联网普及率达74.4%,在线医疗用户占整体网民的28.5%[2],互联网已成为人们获取健康信息的主要渠道。特别是在新型冠状病毒肺炎疫情管控期间,远程医疗在降低交叉感染风险的同时,有效满足了患者的就医需求[3-4]。基于电子健康的干预措施,可提升患者疾病自我管理能力,调整其负面情绪,促进其健康行为[5-6]。然而在基于电子健康的干预性研究中,大部分忽略了患者的电子健康素养水平,也未进行评估[7]。电子健康素养是指在动态环境因素下,定位、理解、交换和评估线上健康信息的能力,并将获得的知识应用于维护或改善自身健康[8],是促进人群健康行为的独立影响因素[9]。当前我国大部分人群电子健康素养水平低下[10-11],因此,本研究对电子健康素养测量工具展开综述,以期引起我国学者对人群电子健康素养的重视,并为其选取或开发本土化测量工具、开展相关研究提供参考和依据。

1 电子健康素养的概述

Norman等[12]于2006年提出电子健康素养概念并构建百合模型(Lily Model),指出电子健康素养含有传统素养、健康素养、科学素养、信息素养、媒介素养和计算机素养6个核心要素,其本质是个人利用电子健康资源的能力。伴随研究的深入,外在影响因素的动态性以及基于互联网的交互技能被引入概念[8,13]。

随着电子健康素养概念的变化,不断有相关理论被构建。电子健康素养综合模型[14]在Lily模型的基础上添加了外在影响因素,认为还应考虑健康认知、文化和社会背景及特定的健康状况等因素对个人电子健康素养的影响。电子健康素养框架(e-health literacy framework,eHLF)[15]从参与开发或使用电子健康技术的人群(患者、医疗专业人员、健康信息专家、计算机专家)角度出发,构建个人使用电子健康技术的能力框架,阐明了个人与系统间的相互作用和关系。电子健康素养交互模型(transactional model of eHealth literacy,TMeHL)[8]指出电子健康素养是多维度的个人内部技能集,能抵消外在环境对个人参与电子医疗保健产生的负面影响。随着互联网环境由Web1.0往Web2.0、Web3.0的发展,人们利用电子健康的技能需求不断变化,测量电子健康素养的工具也随之不断更迭。

2 国外电子健康素养测量工具研究现状

Web1.0是人们从互联网上被动获取信息的只读时代,Web2.0是基于互联网和社交媒体沟通、交流的时代,Web3.0则是为用户提供数字、个人和智能服务的“读-写-执行”时代。因此,依据测量不同互联网环境下的电子健康技能,将国外现有测量工具划分为Web1.0技能测量工具和Web2.0技能测量工具2类,具体如下。

2.1 Web1.0技能测量工具

2006年,Norman等[16]基于Lily模型编制电子健康素养量表(eHealth literacy scale,eHEALS),共8个条目,采用Likert 5级评分法,从“非常不相符”到“非常相符”,计1～5分,得分越高代表电子健康素养越高,Cronbach’sα系数0.88,因子分析载荷系数在0.60～0.84,主要评估个人在寻求、应用电子健康信息时对知识和技能的自我感知,普适性良好,已被翻译成18种语言,在26个国家的青年、成人和老年人等人群中应用[17]。eHEALS主要测量基于Web1.0的电子健康技能,不能完全反映基于Web2.0电子健康素养的真实水平,缺乏抓取人群有关能力缺陷的敏感度[18]。

2.2 Web2.0技能测量工具

2.2.1患者参与卫生信息技术准备程度测量工具(patient readiness to engage in health internet technology instrument,PRE-HIT工具)

2014年,Koopman等[19]编制了PRE-HIT工具,主要衡量慢性病患者利用互联网资源获取健康信息的能力。该工具共28个条目,8个维度,即健康信息需求、计算机/互联网经验和技能、计算机焦虑、首选交互方式、与医生的联系、手机专业知识、网络隐私、无消息即好消息,使用Likert 4级评分法,各维度Cronbach’sα系数0.57～0.87,重测信度0.60～0.85。相比eHEALS,该工具还测量信息需求、动机、隐私问题和首选信息源等概念,但未定义准备度达标的分数。目前,该工具已被翻译成波斯语[20]。

2.2.2电子健康素养量表(electronic health literacy scale,e-HLS)

2016年,Seçkin等[21]基于对健康素养相关文献的回顾,编制了含行为、信任、沟通3个维度,19个条目的e-HLS,每个条目的评分法范围从范围从“从不或强烈不同意=1”到“总是或强烈同意=5”,最后4个条目反向计分,Cronbach’sα系数0.93。该量表重点测量成年、老年人群评估电子健康信息的能力。目前,该量表已被翻译成中文[22]。

2.2.3数字健康素养工具(digital health literacy instrument,DHLI)

Van等[23]通过归纳风湿性疾病患者执行基于Web1.0和Web2.0的电子健康实操任务时遇到的问题,总结患者利用电子健康资源应具备的技能。DHLI由自我评估量表和实操项目组成,重点测量计算机素养,特别是个人与互联网导航和卫生专业人员间交互的操作技能。自我评估量表:以7种技能划分7个维度,共21个条目,7个维度分别为操作技能、信息搜索、可靠性评估、确定相关性、导航技能、添加自创内容和保护隐私,使用Likert 4点评分法,对条目困难程度或频率评分,频率选项条目反向计分,其中保护隐私维度可选填,得分不计入总分。实操项目:各维度下增设一个特定情境的实操项目,要求至少回答前6项,总Cronbach’sα系数0.87,重测信度0.77,其中保护隐私维度Cronbach’sα0.57,与总体自我评估量表无显著相关,实操项目Cronbach’sα仅为0.47,说明实操项目间内部一致性不理想,可能与项目多样性有关,单个项目可用于衡量特定情境下的个人能力。目前,DHLI已在美国青少年人群、韩国老年人群得到应用[24-25]。

2.2.4电子健康素养评估工具包(literacy assessment toolkit,eHLA)

2018年,Karnoe等[26]基于Lily模型和eHLF,选取现有成熟的和新开发的量表合成eHLA,重点测量健康素养、计算机和数字素养以及信息素养。eHLA采用自我评估和实际操作混合测量,由功能性健康素养、健康素养自我评估、医疗保健熟悉度、医疗保健知识、计算机熟悉度、计算机使用信心、参与数字服务动机7个子量表组成,共44个项目,其中第1、4子量表是实操性测量,各子量表Cronbach’sα系数0.59～0.94,测量对象为患者、健康的成年人及老年人。该工具由于测量内容较多,不利于大范围调查的开展。

2.2.5电子健康素养问卷(eHealth literacy questionnaire,eHLQ)

2018年,Kayser等[27]从网络用户需求角度来解释电子健康用户的电子健康素养,关注用户对电子健康信息的理解、态度和动机,以eHLF为基础,同时使用英语和丹麦语编制了eHLQ。问卷包含使用技术处理健康信息、理解健康概念和语言、积极参与数字服务的能力、感到安全和控制、积极参与数字服务、获取有效的数字服务、满足个人需求的数字服务7个维度,35个题目,使用Likert 4点评分法,各维度组合信度0.75～0.87,维度间相关系数0.31～0.96。该量表不仅为健康领域程序开发者更好地理解和设计健康服务产品提供参考,也为健康保健人员优化获取电子健康流程提供依据[28],但缺乏测量功能性电子健康素养的敏感性,该问卷开发者建议结合DHLI或eHLA一同测量以保障评估的全面性。目前量表已被翻译英文[29]、中文[30],挪威文和捷克文正在被翻译。

2.2.6交互性电子健康素养测量工具(transactional eHealth literacy instrument,TeHLI)

2019年,Paige等[31]基于TMeHL编制了含有功能性、沟通性、评判性和应用性4个维度,18个项目的TeHLI,采用Likert 5级评分法,Cronbach’sα系数0.87～0.92,主要测量慢性阻塞性肺疾病患者理解、交流、评估和应用来自不同在线来源和多媒体的健康信息的能力,具目前测量电子健康素养概念最广泛的工具[17]。

2.2.7糖尿病患者电子健康素养量表(condition-specific eHealth literacy scale for diabetes,CeHLS-D)

2022年,Lee等[32]编制的CeHLS-D含有糖尿病网络信息认知行为和数字沟通能力2个维度,10个条目,采用Likert 5级评分法,测量2型糖尿病成年患者利用Web2.0电子健康的能力,各维度Cronbach’sα0.89～0.92,但跨时间测量的稳定尚需进一步验证。

2.2.8数字健康技术素养评估问卷(digital health technology literacy assessment questionnaire,DHTL-AQ))

Yoon等[33]以健康行为模型和技术接受与使用统一理论为依据,开发了含有信息和通信技术术语、信息和通信技术图标、应用程序的使用、评估健康信息的可靠性和相关性4个维度,34个条目的问卷,用于测量韩国成年人群使用数字健康技术、服务和数据的能力,总Cronbach’sα0.95,但缺乏对跨时间稳定性的验证。该问卷与实操任务高度相关,故能较大程度上反映个人技能。为了便于数字健康弱势群体轻松完成问卷,量表编制者同步开发了简短版本DHTL-AQ,仅包含信息和通信技术术语和应用程序的使用2个维度,20个条目。

2.2.9电子健康素养需求和障碍的框架

2011年,Chan等[34]将Lily模型和布鲁姆教育目标分类法模型整合成一个描述电子健康素养需求和障碍的框架,用于具有信息搜索和决策需求的网络用户执行计算机实际操作电子健康任务的分析,有助于分类任务需求,诊断和解释任务完成过程中遇到的障碍,以评估网络用户电子健康能力。

2.2.10研究准备度自我评估(research readiness self-assessment,RRSA)

Ivanitskaya等[35]开发的RRSA是一种在线测量工具,评估卫生专业大学生对电子健康信息的发现和评价能力。该工具的测量项目适用于各种教育方案的需求,并允许其他使用机构结合自身情况提出新的问题或修订问题。RRSA包括理论知识测试和基于特定情境的技能测试,其中多选题16道和判断题40道;此外,还有一项对自身能力水平的自我评价,范围从“不存在”到“优秀”,计分1～6,Cronbach’sα系数0.78。随后研究发现感知能力和实际能力并不显著相关,故RRSA主要通过直接测量技能和知识进行评估,而不是通过受试者的自我报告[36]。该工具不如量表便于实施,易受到计算机可用率的影响,同时可排除潜在低电子健康素养者。

3 国内电子健康素养测量工具研究现状

3.1 国外测量工具的本土化

3.1.1eHEALS的本土化

2013年,郭帅军等[37]率先以青少年为研究对象,对eHEALS进行翻译和修订。汉化版eHEALS,1～5条目测试网络健康信息与服务的应用能力,6、7条目测量评判能力,第8个条目测试决策能力,探索性因子分析获得单因子结构,Cronbach’sα系数0.913。

当前国内有多项eHEALS本土化研究,已在呼吸内科患者[38]、系统性红斑狼疮患者[39]、老年糖尿病患者[40]、成年慢性病患者[41]、中国农村人群[42]等人群中得到验证,且均支持单因子结构。Xu等[43]认为国内eHEALS本土化的研究中,研究对象均有特异性,样本收集范围局限,并不能有效使用于全部中国人群,故进一步研究形成了简化中文版电子健康素养量表(simplified Chinese version of the eHEALS,SC-eHEALS)。该研究样本范围涉及发达和不发达地区、城市和农村居民以及广泛年龄段,更具有代表性,并使用经典测量理论和项目反应理论两种方法评估心理测量学特征,结果发现单因素和双因素构建的模型优度相似,并不能完全支持原来的单因素结构,经典测量理论分析提示SC-eHEALS对电子健康素养很高或很低的人群敏感度不高。

3.1.2其他测量工具的本土化

He等[22]以脑卒中患者为研究对象,对美国学者编制的e-HLS进行汉化和文化调试,汉化后量表Cronbach’sα系数0.907,重测信度0.691。随后台湾学者Chen等[30]对eHLQ进行了翻译和文化适应,使用经典测试理论和项目反应理论方法对慢性病患者进行了心理测量学测试,各维度Cronbach’sα系数0.75～0.95。

3.2 国内本土测量工具

3.2.1电子媒介健康素养量表

唐增等[44]基于eHEALS编制了电子媒介健康素养量表,主要测量高校学生在Web2.0环境之下利用电子健康的能力。该量表有健康信息获取能力、健康信息评价能力和健康信息实践能力3个维度,20个条目,总Cronbach’sα系数0. 915。目前,量表已被较广泛用于测量高校学生群体的电子健康素养[9]。

3.2.2移动版电子健康素养量表(e-mobile eHealth literacy scale,m-eHEALS)

吴颖敏等[45]在eHEALS的基础上新增认知、沟通、移动设备等方面内容形成了m-eHEALS,用于评估使用移动医疗的网络用户的电子健康素养。该量表有自我知觉、信息获取、互动评判3个维度,12个条目,采用Likert 5级计分法,总Cronbach’sα系数0.91。

3.2.3网络用户电子健康素养量表

李旭芳等[46]依据Lily模型,结合我国国情,设计了测量网络用户电子健康素养的问卷,主要包括人口学特征、健康行为、疾病感知度、信息素养和计算机素养5个方面,共20个题目,Cronbach’sα系数0.845。该问卷缺乏结构效度验证。

3.2.4数字健康素养量表(eHealth literacy scale,EHLS)

该量表由台湾学者江佳勳等[47]编制,依据健康素养的分层,设置了功能性数字健康素养、互动性数字健康素养、批判性数字健康素养3个维度,12个条目,采用Likert 5级评分法,其中功能性数字健康素养维度反向计分,总Cronbach’sα系数0.81,主要测量大学生的数字健康素养。该量表已在中国大陆医学生中进行了文化调试[48]。

3.2.5社区老年人数字健康素养评估量表

刘思奇等[49]以TmeHL为理论基础,编制了测量社区老年人数字健康素养的评估量表。量表含数字健康信息获取和评估能力、数字健康信息互动能力、数字健康信息应用能力3个维度,15个条目,采用Likert 5级评分法,从“非常不符合”至“非常符合”,计1～5分,总Cronbach’sα系数0.889,重测信度0.941。该量表突出基于Web2.0的参与和互动的技能,弥补了既往量表对数字健康参与和互动能力评估的不足。

3.2.6Web3.0-电子健康素养量表(eHealth literacye scale in the Web3.0 context,eHLS-Web3.0)

Liu等[50]编制的eHLS-Web3.0,主要测量中国大学生在Web3.0环境下获取电子健康信息、与服务提供者沟通、构建个人健康数据集、自我跟踪和保护隐私等一系列技能。量表包含24个条目,分为获取、验证、应用3个维度,采用Likert 5级评分法总Cronbach’sα系数0.976,重测信度0.858。该量表是目前唯一衡量Web 3.0技能的工具。

3.2.7其他

厉锦巧等[51]设计了6项测量冠心病患者电子健康素养的实操任务,主要涵盖了相关电子健康信息的获取、理解、评估和应用等方面。通过对患者在计算机上完成任务过程的观察、记录及分析,发现冠心病患者在利用网络进行相关健康任务操作时主要存在操作计算机和浏览器、在Web上导航和定位、利用搜索策略、评估信息的相关性和可靠性4个方面的问题,帮助医护人员制定针对性干预措施提升冠心病患者电子健康素养。但当前实操任务侧重测量与健康相关的互联网技能,而不是真实的电子健康素养。

4 小结

电子健康素养可改善人群健康行为和慢性病患者的疾病自我管理[32],然而目前不同人群间仍存在“数字鸿沟”,研究者也缺乏对人群电子健康素养的关注。目前,国际上越来越多的学者关注到电子健康素养的重要作用,已研发多个应用广泛的评估工具,而我国本土研发的测量工具多缺乏临床实践。通过综述相关研究对我国研究者有以下启示:测量工具的开发或选用要适用于当下国情和互联网环境,才能适应临床应用;构建或选择指导性的理论依据,选取合理的测量方式,以更加科学地开发测量工具;针对患病人群,应考虑疾病相关属性,开发或选取特异性测量工具,以提高评估的准确性。因此要重视对各人群电子健康素养的评估,提高其应用电子健康的能力,促进电子健康技术在医疗保健中的应用,改善公共健康。