doi: 10. 1200/cci. 22. 00005 jco انفورماتیک سرطان بالینی شماره. 6 (2022) E2200005. منتشر شده به صورت آنلاین 4 اکتبر 2022.

سواد سلامت و سلامتی: چالش ها و استراتژی ها

Hajar Hasaejadasl ، MSC 1

؛Yolba Smit ، MSC 2

؛آندره دکر ، دکترا 1

؛و Riae Fijten ، دکترا 1

نمایش بیشتر 1 بخش انکولوژی پرتونگاری (ماسترو) ، مدرسه رشد برای انکولوژی و زیست شناسی رشد ، مرکز پزشکی دانشگاه ماستریشت ، ماستریخت ، هلند 2 گروه هماتولوژی ، مرکز پزشکی دانشگاه رادبود ، نیجمگن ، هلند

مجوز تحت مجوز Creative Commons Attribution 4. 0: https://creativeecommons.org/licenses/by/4. 0/

خلاصه

با توجه به تأثیر سواد سلامت (HL) بر نتایج بیماران ، سواد بهداشتی محدود یک مانع اصلی برای بهبود مراقبت از سرطان در سطح جهان است. HL به حدی اشاره دارد که فرد قادر به دستیابی ، پردازش و درک اطلاعات به گونه ای است که به طور فعال در تصمیمات بهداشتی خود درگیر شود. تحقیقات قبلی نشان داد که تقریبا نیمی از جمعیت در کشورهای توسعه یافته در درک اطلاعات مربوط به سلامت مشکل دارند. با تغییر تدریجی به سمت فرآیند تصمیم گیری مشترک و تحول دیجیتال در انکولوژی ، نیاز به پرداختن به مسائل کم HL بسیار مهم است. تصمیم گیری در مورد انکولوژی غالباً با عواقب قابل توجهی در زندگی بیماران همراه است ، که به بیماران نیاز دارد تا اطلاعات پیچیده را درک کنند و بتوانند با در نظر گرفتن ارزش های خود ، روش های درمانی را مقایسه کنند. نحوه درک اطلاعات بهداشتی توسط بیماران تحت تأثیر عوامل مختلفی از جمله خصوصیات بیماران و نحوه ارائه اطلاعات به بیماران است. در حال حاضر ، شناسایی بیماران مبتلا به HL کم و تجسم داده های ساده بهترین روش برای کمک به بیماران و پزشکان در برخورد با سواد بهداشتی محدود است. علاوه بر این ، با استفاده از eHealth ، و همچنین شامل واسطه های HL ، از بیماران پشتیبانی می کند تا اطلاعات پیچیده ای را حس کنند.

سرطان دومین عامل اصلی مرگ در جهان است ، با میزان مرگ و میر 10 میلیون در سال 2020. 1 با توجه به اینکه درک بیماران از بیماری و درمان های مناسب آن برای روند تصمیم گیری پزشکی ، سواد سلامت (HL) بسیار مهم استنقش مهمی در بهبود آگاهی بیماران و توانمندسازی آنها دارد. 2 HL به مجموعه مهارتهای فردی برای دسترسی ، پردازش ، درک و استفاده از اطلاعات بهداشتی برای سالم ماندن اشاره دارد. 3 مهارت HL در طول زندگی سالم مهم است ، اما به ویژه در تصمیم گیری مربوط به بیماری. این مهارت ها نه تنها در جلوگیری از بیماری کمک می کند بلکه به فرد کمک می کند تا در صورت بروز بیماری تصمیم گیری هوشمندانه کند و آنها را قادر به مدیریت بیماری و مراقبت از خود کند. 4

هدف اصلی

برای ارزیابی وضع موجود فعلی در سواد سلامت دیجیتال (HL) در انکولوژی و مداخلات می تواند HL را در کوتاه مدت بهبود بخشد.

دانش ایجاد شده

از فن آوری های بهداشت دیجیتال برای بهبود نتایج سلامت و تجربه بیمار در انکولوژی استفاده شده است. ما استفاده از ابزارهای بهداشتی دیجیتال در مراقبت از سرطان و مراحل بتونی پیشنهادی برای کاهش HL محدود (دیجیتال) در هر مرحله از مسیر سرطان را مرور کردیم.

برای اینکه هم پزشکان و هم بیماران بتوانند بیشتر از eHealth بهره مند شوند ، مهم است که HL دیجیتال را در نظر بگیرید و یا بهبود بخشید. در این نسخه خطی ، ما چندین استراتژی برای بهبود این امر در کوتاه مدت ارائه می دهیم.

به دلیل اهمیت HL در مدیریت و مدیریت بیماری ، سواد بهداشتی محدود (LHL) پتانسیل ایجاد مشکلات جدی را دارد. عوامل مرتبط با HL شامل خصوصیات بیمار ، 5 ارتباط بین پزشک و بیمار ، 6 نحوه ارائه اطلاعات ، 7 و نحوه امکان سازمانها برای دسترسی به اطلاعات مربوط به بیماری خود است (این به HL سازمانی نیز گفته می شود). در نتیجه ، نحوه ارائه اطلاعات مربوط به سلامت تأثیر قابل توجهی در درک افراد از خطر بیماری و همچنین متخصصان پزشکی درگیر در تیم پزشکی چند رشته ای دارد. در نتیجه ، این بر نحوه تصمیم گیری افراد در مورد سلامتی و رفتارهای مرتبط با آن تأثیر می گذارد. به عنوان مثال ، در هنگام شروع بیماری ، افراد سطح استرس بالاتری را تجربه می کنند و اطلاعات جدید و پیچیده زیادی را دریافت می کنند ، که برای بیماران مبتلا به LHL چالش برانگیز است. و با این حال ، ارائه دهندگان مراقبت اغلب فرض می کنند که سطح HL بالاتر از آنچه واقعاً است. 8 این امر بیشتر به دلیل عدم تمایل بیماران به افشای عدم توانایی آنها در درک اطلاعات بهداشتی به دلیل ننگ مرتبط با LHL تشدید می شود. امروزه 8،9 مورد توجه زیادی به مشارکت بیمار در تصمیمات مربوط به سلامتی آنها و مراقبت از بیمار محور است. تصمیم گیری مشترک (SDM) فرایندی است که مراقبان و بیماران برای تصمیم گیری بهترین تصمیم در کنار هم کار می کنند و این امر مستلزم تبادل اطلاعات و بحث در مورد گزینه های درمانی و بررسی ارزش های بیماران است. 10 با این حال ، ناسازگاری بین ماهیت غالباً پیچیده اطلاعات ارائه شده و سطح HL فرد تأثیر منفی بر ارتباطات بیمار و پزشکان تأثیر می گذارد و ممکن است بر نتایج بیماران تأثیر بگذارد. 9 علاوه بر این ، چگونگی درک خطر توسط بیماران بستگی به نحوه ارائه اطلاعات به آنها دارد. 11 LHL محدود به جمعیت یا منطقه خاصی نیست. در حقیقت ، LHL یک مسئله مشترک در سراسر جهان است. به عنوان مثال ، 12،13 ، تقریبا نیمی از جمعیت اروپایی LHL 14 دارند. یافته های مشابه در استرالیا ، 15 ایالات متحده و انگلستان گزارش شده است. 9 با توجه به تأثیر وضعیت اقتصادی اقتصادی بر HL ، 16 در کشورهای در حال توسعه ، HL به طرز چشمگیری ناکافی است. 17

برای به دست آوردن بیشترین استفاده از SDM ، از این رو مهم است که عواملی را که باعث ایجاد HL و تأثیرگذاری بر HL می شوند ، در نظر بگیرید و استراتژی هایی را برای مقابله با LHL بررسی کنید. هدف از این مینی بررسی ، بررسی عواقب LHL و پیشنهاد راهکارهایی برای برخورد مؤثر با بیماران مبتلا به LHL در هنگام تصمیم گیری پزشکی در انکولوژی است.

در این مینی بررسی روایت ، ما ادبیات علمی مربوط به HL را که از سال 2000 منتشر شد ، بررسی کردیم تا جنبه های مختلف HL ، موانع و تسهیل کنندگان را با تمرکز بر تصمیم گیری پزشکی بررسی کنیم.

شخصی که دارای HL کافی است قادر به شناسایی و دسترسی به منابع معتبر اطلاعاتی و همچنین متمایز کردن آن از اطلاعات نادرست ، درک ریسک و تجزیه و تحلیل داده های مربوط به وضعیت خودشان است. 18 HL کافی با توانایی بیماران در مدیریت بیماری خود به طور کلی ، توانایی آنها در برقراری ارتباط موثر با ارائه دهندگان مراقبت و شرکت در فرایند تصمیم گیری بهداشت همراه است. 19،20 بنابراین ، HL کافی بیمار را در مسیر مراقبت صحیح قرار داده و در نهایت کیفیت مراقبت را ارتقا می بخشد. 21

به طور خاص در انکولوژی ، HL ناکافی می تواند منجر به نتایج نامطلوب بسیاری شود. به عنوان مثال ، تفسیر اشتباه خطرات تولید شده توسط یک سیستم پشتیبانی از تصمیم بالینی می تواند بیماران و پزشکان آنها را به دلیل سوء تفسیر از نتایج ، گزینه درمانی کمتری را انتخاب کند. 22،23 همچنین ، درک کامل مزایا و مضرات یک تصمیم درمانی و تأثیر آنها می تواند بعداً باعث پشیمانی تصمیم گیری شود. 24 برای مقایسه مزایا و محدودیت های یک گزینه درمانی ، مهارت های کافی HL مورد نیاز است. در پیشگیری از سرطان ، غربالگری به تشخیص سرطان در مراحل اولیه در حال حاضر برای چندین نوع سرطان شایع است. عدم اطمینان و توضیح نتایج و احتمال آسیب به دلیل تشخیص بیش از حد و نتایج کاذب مثبت یا منفی کاذب می تواند به دلیل عدم درک آنها برای افراد مبتلا به HL کم مضر باشد. بیش از حد خطر به دلیل عدم مهارت HL می تواند منجر به بیش از حد مزایا یا خطر شود. به عنوان مثال ، یک مطالعه در نه کشور اروپایی نشان داد که 92 ٪ از زنان و 89 ٪ از مردان به ترتیب از مزایای ماموگرافی و آنتی ژن اختصاصی پروستات به عنوان نشانگر سرطان پستان و سرطان پروستات استفاده می کنند. در مقابل ، 25. 26 برعکس ، بیش از حد خطرات به جای مزایا ممکن است منجر به ترس غیرضروری و کاهش وضعیت سلامت روانی شود ، 27 و ممکن است باعث شود که بیماران گزینه درمانی ایمن (یعنی تهاجمی تر اما لزوماً مؤثرتر) را انتخاب کنند ، اگرچه این ممکن است افزایش یابداثرات جانبی. 28

LHL همچنین می تواند به کیفیت پایین تر زندگی (QOL) منجر شود. به عنوان مثال ، افراد مبتلا به LHL احتمالاً شیوه زندگی ناسالم مانند سیگار کشیدن یا عدم ورزش را اتخاذ می کنند که این امر باعث افزایش خطر ابتلا به بیماری های مزمن 29 می شود و متعاقباً QOL آنها را کاهش می دهد. 30 بیمار مبتلا به HL پایین تر نیز کمتر از خدمات بهداشتی پیشگیرانه استفاده می کنند و در نتیجه تشخیص بعدی سرطان انجام می شود. این تأخیر در تشخیص و درمان خطر بستری شدن را افزایش می دهد ، 31 شانس بقا را کاهش می دهد و هزینه مراقبت را افزایش می دهد. 30 به دلیل این آبشار انباشت تأثیرات منفی ، بیماران مبتلا به LHL 1. 5-3 برابر بیشتر احتمال دارد که با حوادث بهداشتی نامطلوب مانند خطر بیشتر بستری در بیمارستان روبرو شوند. علاوه بر این ، خصوصیات خاصی باعث می شود افراد نسبت به LHL مستعد تر باشند و بر درک خطر تأثیر بگذارند. این عوامل خطر شامل سن بالاتر ، پایین تر از سطح تحصیلات ، پایین آمدن وضعیت اقتصادی اقتصادی ، مهاجرت ، داشتن بیماری های مزمن و ناتوانی های جسمی یا روانی است. 5،8،32

به تازگی ، استفاده از ابزارهای دیجیتالی در اطلاع رسانی به بیماران مورد توجه ویژه قرار گرفته است و تعداد فزاینده ای از ابزارهای دیجیتالی برای ترویج HL و کاهش نابرابری های بهداشتی به بیماران ارائه شده است. با این حال ، عدم مهارت سواد دیجیتال می تواند بر استفاده از آنها تأثیر منفی بگذارد و اوضاع را بدتر کند. 33 به عنوان مثال ، هوش مصنوعی (AI) نتایج امیدوارکننده ای را در پیش بینی نتایج درمانی نشان داده است ، و بسیاری از سیستم های پشتیبانی بالینی مدل های پیش بینی هوشمند را شامل می شوند. 34 با این حال ، تفسیر خطرات ارائه شده توسط هوش مصنوعی به ویژه برای افراد مبتلا به LHL چالش برانگیز است. 35 در بعضی موارد ، اطلاعات ارائه شده برای برجسته کردن مزایا بسیار مبهم یا ناچیز است ، که احتمالاً منجر به سوء تفاهم توسط کاربران آن می شود. بنابراین ، سواد دیجیتال/EHEALTH ، که به توانایی افراد در دسترسی ، درک و استفاده از اطلاعات مربوط به سلامت به صورت دیجیتالی اشاره دارد ، از اهمیت ویژه ای برخوردار است و یا توانایی آنها در حرکت در ابزارهای دیجیتالی 38 و کشف اطلاعات را ارزیابی می کند ، در حالی که اندک است. در مورد چگونگی درک بیماران اطلاعات eHealth شناخته شده است. 39

به دلیل اثرات شدید و آبشار که LHL می تواند داشته باشد ، راهکارهایی ضروری است که امکان مشارکت بهتر بیماران مبتلا به LHL در تصمیم گیری پزشکی را فراهم می کند. در اینجا ، ما چهار استراتژی را توصیف می کنیم که می تواند بلافاصله در عمل بالینی اعمال شود (شکل 1). اولین و مهمترین استراتژی شناسایی بیماران مبتلا به LHL برای تطبیق ارتباطات و ارائه اطلاعات بهداشتی است. استراتژی های دیگر شامل اقدامات پشتیبانی برای کمک به ارتباط و تجسم است.

شکل 1. در مراحل مراقبت ، از پیشگیری تا پیگیری ، ابزارهای پشتیبانی دیجیتالی مانند ابزارهای هوش مصنوعی ، PDA ، MHEalth و ارتباط از راه دور می توانند برای حمایت از بیماران در تصمیمات بهداشتی خود استفاده شوند. در این شکل ، استراتژی های پیشنهادی در این بررسی مینی برای مقابله با HL کم به مسیر مراقبت نقشه برداری می شود تا نشان دهد چه زمانی می توان از آنها استفاده کرد. HL ، سواد بهداشتی ؛LHL ، سواد بهداشتی محدود ؛PDA ، کمک به تصمیم بیمار.

از آنجا که پزشکان تمایل به بیش از حد سطح HL بیمار دارند ، استراتژی هایی برای ارزیابی عینی این موضوع قبل از انتقال اطلاعات و خطرات بهداشتی لازم است. ادبیات زیادی در مورد این موضوع و چندین پرسشنامه برای این منظور در دسترس است.

S-TOFHLA (نسخه کوتاه آزمون سواد سلامت عملکردی در بزرگسالان) پرسشنامه ای است که سطح HL افراد را به طور خاص در تنظیمات مراقبت های بهداشتی ارزیابی می کند. از دو بخش برای مهارت های خواندن و عددی تشکیل شده است ، به زبان های مختلف در دسترس است و می تواند در آن تکمیل شود< 12 minutes. 40 Alteatives for the S-TOFHLA specific to the field of oncology are the Cancer Health Literacy Test (CHLT-30) and CHLT-6 questioaires, which are exteally validated and have been found reliable. 21 Using CHLT-6 in a study of adults in Nepal, Koirala et al 17 demonstrated a significant association between cancer screening behavior and cancer literacy.

با وجود در دسترس بودن ابزارهای غربالگری HL ، نگرانی های بسیاری از جمله کمبود وقت برای پزشکان و خطر ابتلا به ننگ برای بیماران وجود دارد. 41 بیمار به دلیل خطر برچسب زدن به عنوان بی سواد و شرم در اطراف آن تمایلی به آزمایش HL ندارند. مضرات آزمایش HL ممکن است از مزایای آن بیشتر باشد زیرا ممکن است بیماران را از جستجوی خدمات مراقبت های بهداشتی باز دارد. 41 برای جلوگیری از خطر تخریب بیماران مبتلا به LHL ، فراهم کردن محیط بدون شرم ضروری است. کرنت و همکاران 42 یک چارچوب غیرمستقیم برای ارزیابی HL با مشاهده رفتار بیماران و پرسیدن سؤال در مورد درک آنها از یک متن ارائه دادند. عدم توانایی در ارائه یک مرور کلی در مورد تاریخ پزشکی خود و احساس عصبی از اطلاعات پیچیده ، برخی از نمونه های رفتارهای مشاهده شده متداول در افراد مبتلا به LHL است. اخیراً ، در هلند ، اولین ابزارهای دیجیتال تعاملی برای شناسایی و تمرین ارتباط با افراد مبتلا به LHL ایجاد شده است. 43 با توجه به این واقعیت که هیچ اجماعی در مورد بهترین روش برای ارزیابی HL و با توجه به مضرات پرسشنامه های HL حاصل نشده است ، ما یک رویکرد کمتر رسمی و چند جانبه را پیشنهاد می کنیم. این رویکرد چند جانبه می تواند شامل یک یادگیری الکترونیکی ترکیبی و آموزش متخصصان پزشکی باشد تا به سرعت بیماران مبتلا به LHL را شناسایی کند. علاوه بر این ، ما پیشنهاد می کنیم بیماران مبتلا به LHL را با استفاده از یک نسخه کوتاه از ابزارهای غربالگری HL شناسایی کرده و آن را به عنوان راهی برای شخصی سازی اطلاعات قاب کنیم. در حالت ایده آل ، نتیجه آزمایش منجر به یک سیگنال دیجیتالی به پرونده الکترونیکی بیمار می شود که یک بیمار دارای LHL است. شناسایی سطح HL اولین قدم برای برقراری ارتباط اطلاعات ریسک به روشی شخصی است.

از آنجا که سیستم مراقبت های بهداشتی و تجربه درگیری بیمار یکپارچه تر می شود ، استفاده از EHEALTH در مسیر مراقبت در حال افزایش است. از آنجا که سیستم مراقبت های بهداشتی و تجربه درگیری بیمار یکپارچه تر می شود ، EHEALTH در حال پیشرفت است. eHealth به بیماران و ارائه دهندگان مراقبت اجازه می دهد تا برای نتایج بهتر سلامت به طور مؤثر همکاری کنند. 44 Telehealth و Telemedicine با هدف ارائه خدمات درمانی شامل ارتباطات تعاملی بین این دو طرف با استفاده از فناوری اطلاعات است. بین اصطلاحات از راه دور و از راه دور همپوشانی وجود داشته است ، اما از راه دور شامل طیف گسترده تری از مراقبت های بهداشتی از راه دور نسبت به پزشکی از راه دور است. Telehealth به طیف وسیعی از فناوری ها و خدماتی که برای ارائه مراقبت از بیمار و بهبود سیستم ارائه خدمات درمانی به طور کلی استفاده می شود ، اشاره دارد. با این حال ، از راه دور به ارائه خدمات مراقبت های بهداشتی و آموزش از طریق اینترنت یا سایر وسایل ارتباطات اشاره دارد. از راه دور برای خدمات بالینی که می تواند از راه دور مانند بیماران پیگیری یا مدیریت بیماریهای مزمن ارائه شود ، به طور فزاینده ای محبوب است. ارتباط از راه دور استفاده از فن آوری های مخابراتی برای تسهیل ارتباط بین بیماران و پزشکان عمومی است. 45

eHealth کاربردهای بسیاری دارد و به عنوان مثال می تواند در فرایند تصمیم گیری کمک کند ، اطلاعاتی در مورد بیماری و درمان خود به بیماران ارائه می دهد یا نتایج آینده (با هوش مصنوعی) را پیش بینی می کند. اول و دوم اشکال مشترک EHEALTH در انکولوژی است و به طور کلی به کمک تصمیم گیری بیمار (PDA) خوانده می شود. هدف از چنین PDA کمک به بیماران مبتلا به یک بیماری خاص است که اطلاعات مربوط به بیماری و درمان احتمالی آنها را درک کرده و ابزاری را برای شفاف سازی ارزش در اختیار آنها قرار می دهد. 49 آنها معمولاً به صورت دیجیتالی ارائه می شوند ، اما در برخی موارد نیز می توان روی کاغذ یافت ، 50. 51 و نشان داده شده است که باعث کاهش درگیری تصمیم گیری می شود. 48 جالب توجه ، ادبیات علمی نشان می دهد که EHEALTH مانند PDA ممکن است دو اثر مخالف اصلی بر HL داشته باشد. از یک طرف ، هنگامی که مقادیر زیادی از اطلاعات در برنامه های EHEALTH استفاده می شود ، ممکن است باعث شود که بیماران مبتلا به LHL غرق شوند. از طرف دیگر ، ما همچنین دیده ایم که کاربردهای EHEALTH در مراقبت های بالینی در واقع سطح HL را در چندین جمعیت بیمار از جمله کسانی که مبتلا به سرطان کولورکتال هستند ، افزایش می دهد. 52،53 این یافته ها نشان می دهد که توسعه دهندگان برنامه های کاربردی EHEALT باید تعادل بین توانمندسازی و بیش از حد بیماران را پیدا کنند. به عنوان مثال ، یک مطالعه از PDA برای کمک به بیماران مبتلا به سرطان پستان مبتلا به LHL در شناسایی مقادیر آنها استفاده کرد. پیشرفت های چشمگیر در ارزش های شخصی و سطح عدم اطمینان از مداخله پیروی کرد. 54

علاوه بر این ، توجه به این نکته حائز اهمیت است که EHEALTY یک بعد سواد اضافی ، یعنی سواد دیجیتالی/eHealth را علاوه بر HL اضافه می کند ، بنابراین ممکن است مواردی را که سواد دیجیتالی محدود دارند ، همانطور که در استراتژی زیر توضیح داده شده است ، حذف کند.

نحوه ارائه خطرات برای بیماران ، به ویژه موارد ارائه شده توسط EHEALTH ، به ویژه برای افراد مبتلا به LHL بسیار مهم است. این ارائه ریسک دو برابر است: (1) نحوه قاب بندی یک پیام ، به صورت شفاهی یا در متن کتبی. و (2) نحوه ارائه ریسک به صورت بصری.

اول ، نحوه قاب بندی یک پیام ، مؤلفه مهمی در انتقال اطلاعات است. قاب بندی پیام می تواند بر اساس نحوه نگارش یا بیان پیام بر مزایا یا ضررها تأکید کند. به عنوان مثال ، با تأکید بر بقای سرطان در نتیجه تصمیم درمانی ، بر مزایای تصمیم یا انتخاب تأکید می کند. با این حال ، فریم کردن ضرر بر مضرات یک تصمیم تأکید می کند ، به عنوان مثال ، خطر مرگ بیمار در نتیجه تصمیم به جای بقا مخالف آن. کدام شکل از قاب بندی پیام بسیار مفید است به اوضاع بستگی دارد. هنگامی که از قاب بندی برای توصیف درمان های عینی پرخطر استفاده می شود ، افراد به احتمال زیاد این درمان خطرناک را انتخاب می کنند تا زمانی که با قاب از دست دادن توصیف می شود. در مقابل ، 5556 در مقابل ، قاب از دست دادن منجر به انتخاب بیماران کمتر تهاجمی شد. 57 این امر بر لزوم در نظر گرفتن و استفاده از این تجسم ها با دقت تأکید می کند ، زیرا آنها می توانند بیماران را در جهت خاصی نیز هدایت کنند.

مؤلفه دوم ارائه ریسک بازنمایی بصری آن خطر است ، در حالت ایده آل با کمک های بصری. به طور کلی ، ایدز ویژوال اطلاعات را بهتر از قالب های عددی معمولی ، 32 ، اما گزینه های زیادی برای انتخاب وجود دارد. متداول ترین کمک های بصری آرایه های نماد (شکل 2A) و نمودارهای نوار (شکل 2B) است.

شکل 2. (الف) آرایه نماد و (ب) نمودار نوار.

آرایه های نماد نوعی کمک بصری است که در آن یک شکل چندین بار تکرار می شود ، به طور کلی 100 بار ، هنگامی که خطرات نمایش داده می شوند. زیر مجموعه ای از این اشکال متفاوت ارائه می شود تا نسبت را نشان دهد. به عنوان مثال ، خطر 15 ٪ به عنوان 15 جعبه آبی در یک میدان 100 جعبه خاکستری نشان داده می شود (شکل 1A). این نوع کمک های بصری خود را به خوبی به ارائه درصد در جمعیت بیشتری می بخشد.

توجه به این نکته حائز اهمیت است که نحوه ارائه شکل ها ممکن است بر درک کاربران تأثیر بگذارد. Zikmund-Fisher et al 58 دریافتند که نمادهای آنتروپومورفیک ، یعنی نمادهایی که شبیه شکل انسان یا انسانی هستند (شکل 3A) ، توسط اکثر بیماران ترجیح داده شدند ، و Wangeamsermsuk و Jiamsanguanwong 59 نشان دادند که نمادهای انسان شناسی قالب ترجیحی در جمعیت با جمعیت هستندسطح HL متغیر است ، اما این درک خطر در بیماران مبتلا به LHL با اشکال که به اشیاء واقعی زندگی (نزدیک به) اشیاء واقعی اشاره داشتند ، بهتر بود (شکل 3B).

شکل 3. انواع مختلفی از آرایه های نماد (الف) و (ب) آیکون های آنتروپومورفیک که چهره ها را نشان می دهند.

Bar charts, however, are represented as bars of various lengths, where the length of the bar indicates the height of the risk ( Fig 1B ). This type of visual aid lends itself well to comparing different options, each with associated risks that need to be compared. 60 The selection of a type of visual representation of risks depends on the use-case and the intended audience's overall level and variety of HL and demographic characteristics. For example, the elderly (>65 ساله) احتمالاً در درک نمودارهای پای نسبت به سن جوانی از 65 سالگی مشکل بیشتری خواهد داشت. 61 به طور کلی همچنین به استفاده از اطلاعات متنی به عنوان اطلاعات اضافی در کنار یک آرایه نماد کمک می کند. یک مطالعه انجام شده توسط گالسیچ و همکاران ، تأثیر آرایه های نماد در افزایش درک خطر سرطان به ویژه در افراد مبتلا به LHL را نشان داد. 62

به طور خلاصه ، به دلیل تأثیر بالای تجسم بر درک خطر در کاربردهای EHEALTH ، به ویژه بیماران مبتلا به HL کم ، استفاده از قالبهای خوب طراحی شده مانند آرایه های نماد پشتیبانی شده توسط زبان ساده ، برای انتقال اطلاعات بهداشتی و جلوگیری از انتخابی مهم است. فرمانعلاوه بر این ، استفاده از قاب بندی سود و از دست دادن در همان زمان یک راه حل عملی برای جلوگیری از تفسیر نادرست در این گروه از بیماران است.

در عمل بالینی ، نقش واسطه HL به عنوان شخصی که از مهارت های HL خود برای کمک به دیگران در مناطقی مانند eHealth استفاده می کند ، در حال ظهور و تعریف است. 63 در گذشته ، این امر عمدتاً مربوط به خواندن و نوشتن است زیرا فقط تعداد محدودی از افراد توانایی خواندن و نوشتن را داشتند ، 64،65 اما اکنون بسیار گسترده تر است زیرا کارشان از جستجوی اطلاعات و خودمدیریت گرفته تا SDM بسته است. در مورد وضعیت66 استفاده از واسطه های HL در یک زمینه بالینی با میزان مشارکت بالای بیمار 67 همراه است و بنابراین در شرایطی که بیماران ممکن است در مسیر مراقبت از آنها به کمک نیاز داشته باشند ، مورد توجه است. اینها به ویژه در مناطقی که شیوع زیادی از LHL دارند ، مانند مناطق کم درآمد مورد توجه قرار می گیرند.

واسطه های HL با تمرکز بر روی eHealth هنوز در ادبیات علمی نشان داده نشده اند ، اما در عصر دیجیتال فعلی اهمیت بیشتری پیدا می کنند. امروزه ، درک بیماری و معالجه آنها فقط برای بیماران مهم نیست ، بلکه درک آنچه اتفاق می افتد هنگامی که یک الگوریتم هوش مصنوعی پیش بینی مربوط به QOL یا بقا را ایجاد می کند. و از آنجا که پزشکان با این سؤال دقیق در مورد چگونگی معرفی هوش مصنوعی به بیماران مبارزه می کنند ، واسطه های سلامت دیجیتال می توانند پل برای بیمار باشند. آنها می توانند به بیمارانی که نه تنها LHL دارند بلکه سواد دیجیتالی/سلامت محدودی نیز دارند ، کمک ویژه ای داشته باشند.

در حالت ایده آل ، این واسطه های HL در ساعات مطب کلینیک در دسترس خواهند بود و می توانند در یک لحظه توجه کنند وقتی پزشک متوجه می شود که بیمار در حال تلاش است. با این حال ، برای کلینیک ها مهم است که بدانند این امر به پرسنل اضافی نیاز دارد و بنابراین هزینه های اضافی را برای آموزش و استخدام واسطه های HL متحمل می شود. از طرف دیگر ، واسطه های HL همچنین می توانند اعضای خانواده با پیشینه پزشکی (زیستی) و متوسط آموزش عالی باشند که قادر به ترجمه اطلاعات به بیمار هستند. عوارض جانبی این امر این است که مقدار استاندارد کیفیت در پیشینه پزشکی و ارتباطات تضمین نمی شود.

همانطور که در استراتژی قبلی توضیح داده شده است ، استفاده از برنامه های EHEALTH در سالهای اخیر گسترده تر می شود. با این حال ، علیرغم شواهد حاکی از آن که EHEALTH HL را در بیماران افزایش می دهد ، افراد دارای سواد دیجیتالی محدود یا سلامت ، این مزایا را به دست نمی آورند. از آنجا که سوادآموزی EHEALTH/دیجیتال به راحتی مورد توجه و بهبود قرار نمی گیرد ، استراتژی های کاهش به احتمال زیاد شامل پرسنل اضافی برای کمک به کسانی است که با سلامت می جنگند. یک مثال یک کارگروه Telehealth 37 یا کارگروه EHealth است که شامل کارمندان بیمارستان در یک مرکز درمانی است که برای کمک به بیماران با پیاده روی از طریق فرآیندها برای استفاده از برنامه های EHEALT مانند مشاوره دیجیتال یا سیستم های پشتیبانی از تصمیم گیری بالینی آموزش داده شده است. در حال حاضر ، هیچ مدرکی در مورد اثربخشی این نیروهای کار وجود ندارد ، اما احتمالاً آنها امکان افزایش مشارکت در استفاده از سلامت توسط کسانی را که در غیر این صورت مبارزه می کنند ، امکان پذیر خواهد بود. با این حال ، این نیروهای وظیفه نیز به احتمال زیاد کارگروه و بنابراین احتمالاً پرهزینه خواهند بود ، زیرا پرسنل برای این منظور باید آموزش ببینند و مستقر شوند. بنابراین بسیار مهم است که وجوه برای چنین نیروهای کاری برای اجرای موفقیت آمیز یک کارگروه به صورت پایدار در دسترس باشد.

در سالهای اخیر ، تعداد فزاینده ای از سیستم عامل های پویا به عنوان محیط آموزشی برای بیماران ارائه شده است. واقعیت مجازی یک تجربه همهجانبه است که با قرار دادن کاربر در یک محیط مجازی با استفاده از فناوری رایانه ایجاد شده است. واقعیت افزوده یک شکل تعاملی سه بعدی از یک محیط فیزیکی واقعی است که با افزودن اطلاعات دیجیتال تقویت شده است. 68 برخی از مطالعات در حال انجام 69،70 در مورد استفاده از این فناوری ها و ارزیابی اثربخشی آنها در ارتقاء HL وجود دارد. یک نمونه موفق از استفاده از این فناوری در یک مطالعه توسط جیمنز و همکاران ، 71 نشان داده شده است که در آن واقعیت مجازی قبل از رادیوتراپی برای بیماران مبتلا به سرطان پستان ، درک آنها از درمان را بهبود می بخشد. بازی های ویدیویی یکی دیگر از بسترهای تعاملی است که می تواند به افراد در کشف مهارت های تصمیم گیری کمک کند. از طریق بازی ، بیماران قادر به کشف موقعیت هایی هستند که هرگز فرصتی برای دیدن و یادگیری از سناریوهای شبیه سازی شده برای افزایش آگاهی خود از عوامل خطر سلامتی نداشته اند. 72 مطالعه قبلی نشان داد که بازی ها پتانسیل ارتقاء General HL را دارند. 73-75

استراتژی های توضیح داده شده در بالا ، مروری بر مراحل مؤسسات مراقبت های بهداشتی و پزشکان می توانند بلافاصله برای کاهش مشکلات مربوط به LHL بیماران خود در تصمیم گیری پزشکی انجام دهند. استراتژی های دیگر برای بهبود HL یک جمعیت در دراز مدت در اینجا شرح داده نشده است ، اما با این وجود برای تصمیم گیری پزشکی بسیار مهم است. استراتژی های بلند مدت شامل آگاهی و دسترسی آسان به لیست اصطلاحات در هر منطقه بهداشتی و سمپوزی های آموزشی مرتبط با سلامت برای افراد غیرمجاز ، رویکردهای آموزشی مانند آموزش مهارتهای HL در مدارس برای جوانان و همچنین ایجاد مواد آموزشی برای سایر گروههای سنی است. افزایش آگاهی در مورد اهمیت HL در ملاء عام ، به عنوان مثال ، از طریق رسانه ها ، در دراز مدت نیز به HL کمک می کند. علاوه بر این ، درگیر بیماران مبتلا به LHL در مراحل طراحی و اجرای PDA باید یک الزام در توسعه هر PDA باشد. سرانجام ، پرداختن به تأثیر سازمان می تواند بر HL بیماران خود از طریق HL سازمانی یک گام مهم برای ارتقاء ارتباطات بازتر در مسیر مراقبت باشد.

با وجود تأکید بر اهمیت HL در بهزیستی یک فرد ، LHL یک مسئله مهم در سراسر جهان است. LHL ممکن است به دلیل نیاز به شناسایی علائم ، تشخیص زودرس و آگاهی از احتمال عوارض جانبی ، عود یا میزان بقا ، بر همه جنبه های زندگی افراد تأثیر بگذارد ، به ویژه در بیماریهای مزمن مانند سرطان ، و آگاهی از احتمال عوارض جانبی ، عود یا میزان بقا ضروری تر است.

بررسی ما دو محدودیت دارد. اول ، ما یک مینی بازبینی روایت را ارائه می دهیم ، که در آن کشف ادبیات علمی به طور سیستماتیک انجام نشده است. علاوه بر این ، به دلیل ماهیت مینی ، ما در اطلاعاتی که می توانستیم ارائه دهیم محدود بودیم. یک بررسی دقیق تر سیستماتیک می تواند بینش بیشتری را در اختیار دیگران قرار دهد که در اینجا نمی توان به آنها رسیدگی کرد ، اما ما معتقدیم که ما یک نمای کلی مختصر و عملی از HL و استراتژی های بالقوه کاهش کوتاه مدت آن ارائه داده ایم.

در پایان ، ما دانش فعلی را مرور کردیم و یک سری استراتژی ها را توصیه کرده ایم که به بیماران ، پزشکان و سازمان های مراقبت های بهداشتی کمک می کند تا با LHL بهتر سر و کار داشته باشند. مطالعات آینده برای ارزیابی کاربرد استراتژی های ارائه شده و همچنین بررسی عواملی که بر مهارت های HL در دوره هوش مصنوعی تأثیر می گذارد ، مورد نیاز است.

پشتیبانی شده توسط Janssen-Cilag.

تصور و طراحی: Riae Fijten ، Hajar Hasaejadasl

پشتیبانی مالی: آندره دکر ، ریان فیجن

جمع آوری و مونتاژ داده ها: Riae Fijten ، Hajar Hasaejadasl

تجزیه و تحلیل داده ها و تفسیر: همه نویسندگان

نوشتن نسخه خطی: همه نویسندگان

تأیید نهایی نسخه خطی: همه نویسندگان

پاسخگو برای همه جنبه های کار: همه نویسندگان

موارد زیر بیانگر اطلاعات افشای ارائه شده توسط نویسندگان این نسخه خطی است. تمام روابط جبران می شوند مگر اینکه به طور دیگری ذکر شده باشد. روابط به خودی خود شیب دار است مگر اینکه ذکر شود. من = عضو خانواده فوری ، Inst = موسسه من. روابط ممکن است مربوط به موضوع این نسخه خطی نباشد. برای کسب اطلاعات بیشتر در مورد سیاست تضاد منافع ASCO ، لطفاً به www.asco.org/rwc یا ascopubs.org/cci/author-center مراجعه کنید.

بازپرداختهای باز یک بانک اطلاعاتی عمومی است که حاوی اطلاعاتی است که توسط شرکت ها در مورد پرداخت های انجام شده به پزشکان دارای مجوز ایالات متحده (پرداخت های باز) گزارش شده است.

هاجار هسانانجادل

بودجه تحقیق: Janssen-Cilag (Inst)

چریل رومن

بودجه تحقیق: AstraZeneca (Inst)

بودجه تحقیق: Abbvie BV (Inst) ، AstraZeneca (Inst) ، Janssen-Cilag BV (Inst)

آندره دکر

اشتغال: داده های پزشکی کار BV

سهام و سایر علایق مالکیت: داده های پزشکی BV

Honoraria: Varian Medical Systems (Inst) ، Accuray ، Roche ، Janssen-Cilag ، Philips Research (Inst)

مشاوره یا مشورتی نقش: سیستم های پزشکی واریان

بودجه تحقیق: سیستم های پزشکی واریان (Inst) ، Philips HealthCare (Inst) ، Oncoradiomics (Inst)

حق ثبت اختراع ، حق امتیاز ، سایر مالکیت معنوی: حق امتیاز از Mirada Medical Ltd در مورد یک برنامه یادگیری عمیق در مورد تصویربرداری پزشکی (Inst) ، حق امتیاز از سیستم های پزشکی واریان بر روی نرم افزار دزیمتری برای انکولوژی اشعه (Inst) ، حق امتیاز از رادیومیک نوآوری سلامت ، مدل های پیش بینی و پیش بینی مدلدر سرطان (Inst) ، حق امتیاز از PXI برای نرم افزارهای مربوط به تابش حیوانات کوچک برای تحقیقات علوم زندگی (Inst) ، حق ثبت اختراعات در حال حاضر برگزار می شود. نظارت بر تنفس بر اساس سیگنال ضربان قلب plethysmographic. ثبت اختراع ایالات متحده 6،702،752. دستگاه و روش برای نظارت بر تنفس با اکسیومتر پالس. ثبت اختراع ایالات متحده 6،709 ، 402. نظارت بر اثرات موج مایر بر اساس سیگنال فوتوپلیتیسموگرافی. ثبت اختراع ایالات متحده 6،805،673. نظارت بر پارامترهای فیزیولوژیکی بر اساس تغییرات در یک سیگنال پایه فتوپلیتیسموگرافی. ثبت اختراع ایالات متحده 6،896،661. نظارت بر پارامترهای فیزیولوژیکی بر اساس تغییرات در یک سیگنال فتوپیلتیسموگرافی. ثبت اختراع ایالات متحده 7،001،337. مدل پیش بینی قابل تفسیر مبتنی بر دانش برای تجزیه و تحلیل بقا. ثبت اختراع ایالات متحده 8،078،554. مدل سازی توزیع دوز توسط منطقه از تصویربرداری عملکردی. ثبت اختراع ایالات متحده 8،812،240. سیستم ها ، روش ها و دستگاه های تجزیه و تحلیل اطلاعات کمی به دست آمده از تصاویر رادیولوژیکی ثبت اختراع 9721340 B2

شهادت متخصص: توراتک

مسافرت ، اسکان ، هزینه ها: داده های پزشکی BV ، سیستم های پزشکی واریان ، روشه ، جانسن-کیالاگ