MAGISTRSKA NALOGA

UNIVERZA V LJUBLJANI FAKULTETA ZA FARMACIJO

LINA ŠELIGO

MAGISTRSKA NALOGA

ENOVITI MAGISTRSKI ŠTUDIJSKI PROGRAM FARMACIJA

Ljubljana, 2022

UNIVERZA V LJUBLJANI FAKULTETA ZA FARMACIJO

LINA ŠELIGO

RAZVOJ IN VALIDACIJA VPRAŠALNIKA ZA MERJENJE E-ZDRAVSTVENE PISMENOSTI V POVEZAVI S PANDEMIJO COVID-19 V SLOVENIJI DEVELOPMENT AND VALIDATION OF THE QUESTIONNAIRE MEASURING

E-HEALTH LITERACY RELATED TO THE COVID-19 PANDEMIC IN SLOVENIA

ENOVITI MAGISTRSKI ŠTUDIJSKI PROGRAM FARMACIJA

Ljubljana, 2022

Magistrsko nalogo sem opravljala na Fakulteti za farmacijo, na Katedri za socialno farmacijo, pod mentorstvom doc. dr. Nejc Horvat, mag. farm.

Zahvala

Hvala mentorju, doc. dr. Nejcu Horvatu, mag. farm., za sproščeno sodelovanje, razumevajoče vodenje, vso strokovno pomoč, koristne nasvete, podporo, spodbudne besede in prijaznost.

Hvala moji družini, ki je vsa leta verjela vame, me naučila vztrajati, se veselila z mano ob uspehih in me spodbujala ob porazih.

Hvala prijateljem in sošolcem za trenutke, ki bodo ostali kot nepozabni spomini.

Hvala mojemu Roku, za potrpežljivost in vzpodbudo, da sem lažje dosegla svoj cilj.

Z vami je bilo lažje. Hvala.

Izjava

Izjavljam, da sem magistrsko nalogo samostojno izdelala pod vodstvom mentorja, doc. dr.

Nejca Horvata, mag. farm.

Ljubljana, 2022 Lina Šeligo

Predsednica magistrske komisije: prof. dr. Mirjana Gašperlin, mag. farm.

Član magistrske komisije: doc. dr. Damijan Knez, mag. farm.

KAZALO VSEBINE

SEZNAM PREGLEDNIC ... I SEZNAM SLIK ... I POVZETEK ... II ABSTRACT ... IV ABECEDNI SEZNAM OKRAJŠAV ... VI

1 UVOD ... 1

1.1 E-ZDRAVSTVENA PISMENOST ... 1

1.1.1 LILY MODEL ... 1

1.1.2 E-ZDRAVSTVENA PISMENOST IN ZDRAVSTVENI IZIDI ... 4

1.1.3 PREVERJANJE E-ZDRAVSTVENE PISMENOSTI ... 5

1.1.4 VPLIV SOCIODEMOGRAFSKIH PODATKOV NA E-ZDRAVSTVENO PISMENOST ... 6

1.1.5 KORELACIJA MED E-ZDRAVSTVENO PISMENOSTJO IN ZDRAVSTVENO PISMENOSTJO ... 7

1.1.6 SAMOZAZNAVNA E-ZDRAVSTVENA PISMENOST V PRIMERJAVI Z IZVEDENO E- ZDRAVSTVENO PISMENOSTJO ... 8

1.2 E-ZDRAVSTVENA PISMENOST V POVEZAVI S PANDEMIJO COVID-19 ... 9

1.2.1 PREVERJANJE E-ZDRAVSTVENE PISMENOSTI V POVEZAVI S PANDEMIJO COVID-19 ... 9

1.2.2 INFODEMIJA IN VLOGA E-ZDRAVSTVENE PISMENOSTI V POVEZAVI S PANDEMIJO COVID-19 ... 11

1.2.3 VPLIV PANDEMIJE NA LILY MODEL ... 12

1.3 PSIHOMETRIČNE LASTNOSTI VPRAŠALNIKA... 13

1.3.1 ZANESLJIVOST VPRAŠALNIKA ... 13

1.3.2 VELJAVNOST VPRAŠALNIKA ... 14

2 NAMEN IN POTEK DELA ... 15

3 METODE ... 16

3.1 RAZVOJ IN OBLIKOVANJE VPRAŠALNIKA ZA PREVERJANJE E- ZDRAVSTVENE PISMENOSTI V POVEZAVI S PANDEMJO COVID-19 ... 16

3.2 POSTOPEK ZBIRANJA PODATKOV ... 17

3.3 STATISTIČNO VREDNOTENJE PODATKOV ... 18

3.3.1 Psihometrične lastnosti vprašalnika ... 18

3.3.2 Sociodemografske značilnosti anketirancev ... 22

3.3.3 Zdravstvena pismenost v povezavi s pandemijo COVID-19 ... 23

4 REZULTATI IN RAZPRAVA ... 24

4.1 RAZVOJ VPRAŠALNIKA ... 24

4.2 PILOTNA RAZISKAVA ... 26

4.3 ANALIZA PODATKOV ... 27

4.3.1 Sociodemografski podatki ... 27

4.4 ZANESLJIVOST VPRAŠALNIKA ... 29

4.5 VELJAVNOST VPRAŠALNIKA ... 32

4.5.1 Potrditvena faktorska analiza ... 32

4.5.2 Multipla linearna regresija... 34

4.6 E-ZDRAVSTVENA PISMENOST V POVEZAVI S PANDEMIJO COVID-19 ... 38

4.6.1 E-zdravstvena pismenost po eHEALS ... 38

4.6.2 E-zdravstvena pismenost po sklopih ... 39

4.6.3 Korelacije med sklopi vprašalnika ... 40

4.7 INTERNETNI VIRI ZA ISKANJE INFORMACIJ, KI SO POVEZANE Z ZDRAVJEM IN S PANDEMIJO COVID-19 ... 41

4.8 SAMOZAZNAVNA E-ZDRAVSTVENA PISMENOST V PRIMERJAVI Z IZVEDENO E-ZDRAVSTVENO PISMENOSTJO ... 43

4.9 OMEJITVE RAZISKAVE ... 46

5. SKLEPI ... 47

6. VIRI IN LITERATURA ... 48

7. PRILOGE ... 52

7.1 VPRAŠALNIK ZA MERJENJE E-ZDRAVSTVENE PISMENOSTI V POVEZAVI S PANDEMIJO COVID-19 V SLOVENIJI ... 52

7.2 PROŠNJA: KOMISIJA REPUBLIKE SLOVENIJE ZA MEDICINSKO ETIKO ... 61

I

SEZNAM PREGLEDNIC

Preglednica I: Sociodemografski podatki vzorca ... 27

Preglednica II: Izračun Cronbach α za preverjanje zanesljivosti konstrukta ... 29

Preglednica III: Vrednosti Cronbach α po izbrisu postavk v 4-faktorskem modelu ... 31

Preglednica IV: Rezultati potrditvene faktorske analize ... 32

Preglednica V: Rezultati multiple linearne regresije ... 34

Preglednica VI: Vrednosti Personovih koeficientov korelacije med posameznimi sklopi 40 Preglednica VII: Rezultati analize korelacij med samozaznavno in dejansko e-zdravstveno pismenostjo ... 45

SEZNAM SLIK

Slika 2: Prikaz vpliva družbenih in sociodemografskih determinant na zdravstvene izide .. 6

Slika 3: Sloji, med katerimi poteka prenos informacij ... 11

Slika 4: Vplivi pandemije na Lily model... 12

Slika 5: Grafični prikaz uspešnosti po trditvah v vprašalniku eHEALS ... 38

Slika 6: Prikaz doseženih vrednosti na vprašanja po sklopih ... 39

Slika 7: Odstotkovni pregled uporabe različnih internetnih virov za iskanje informacij, ki so povezane z zdravjem in s pandemijo COVID-19 ... 42

II

POVZETEK

E-zdravstvena pismenost je sestavljena spretnost in zahteva, da so ljudje sposobni delati s tehnologijo, kritično razmišljati ter krmariti po širokem spektru informacijskih orodij in virov, da pridobijo informacije, potrebne za odločanje. Pandemijo COVID-19 spremlja

"infodemija", izraz, ki se uporablja za hitro širjenje napačnih informacij ali lažnih novic prek socialnih omrežij in drugih virov informacij.

Za prepoznavanje e-zdravstvene pismenosti nam je na voljo instrument eHEALS, katerega smo prevedli in vključili v naš vprašalnik. Za merjenje e-zdravstvene pismenosti, povezane s COVID-19, še ni razvitega vprašalnika, zato je bil primarni namen magistrskega dela razviti in validirati vprašalnik. S pomočjo razvitega in validiranega vprašalnika smo identificirali stopnjo e-zdravstvene pismenosti v povezavi s pandemijo COVID-19 med laično javnostjo v Sloveniji.

Vsebino vprašalnika smo oblikovali na podlagi pregledane literature in predhodnih vprašalnikov o e-zdravstveni pismenosti. Prvi del vprašalnika zajema eHEALS, ki je že uveljavljen, splošni vprašalnik za merjenje e-zdravstvene pismenosti. Drugi del je sestavljen iz vprašanj o iskanju, razumevanju, presoji in uporabi informacij, pridobljenih na internetu.

Za odgovore smo uporabili 5-stopenjsko Likertovo lestvico. V tretjem delu vprašalnika smo s pomočjo naloge preverili e-zdravstveno pismenost anketirancev. Zadnji del vprašalnika pa vsebuje vprašanja o sociodemografskih podatkih.

Vprašalnik smo najprej pilotno testirali na vzorcu 20 ljudi. Končno verzijo vprašalnika je prek spletnega panela Valicon izpolnilo 518 ljudi.

Rezultate smo analizirali v programu SPSS in AMOS. Najprej smo analizirali sociodemografske podatke s pomočjo opisne statistike. Zanesljivost našega instrumenta smo preverjali kot 1-faktorski in 4-faktorski model s pomočjo Cronbachovega koeficienta α.

Višjo zanesljivost konstrukta smo dobili pri 1-faktorskem modelu. Vsi rezultati, ki smo jih pridobili pri izračunu koeficienta Cronbach α, so višji od 0,70, kar potrjuje odlično zanesljivost konstrukta.

Veljavnost instrumenta smo preverili s potrditveno faktorsko analizo in multiplo linearno regresijo. Glede na indekse potrditvene faktorske analize se podatkom bolje prilega 4- faktorski model. Slednji zajema vprašanja, združena v 4 domene, ki so si med seboj bistveno bolj podobne kot pri 1-faktorskem modelu.

III

Z analizo multiple linearne regresije smo pokazali statistično značilno povezavo med višjo e-zdravstveno pismenostjo ter višjo stopnjo dokončane izobrazbe, višjim neto mesečnim prihodkom ter anketiranci, ki prihajajo iz večjih naselij. Pri nalogi, kjer smo ocenjevali dejansko pismenost v primerjavi z izvedeno e-zdravstveno pismenostjo, smo dobili zelo nizke korelacije med samozaznavno in dejansko e-zdravstveno pismenostjo, vse korelacije med posameznimi sklopi pa so bile statistično značilne.

Ključne besede: e-zdravstvena pismenost, vprašalnik, validacija, COVID-19, Slovenija

IV

ABSTRACT

E-health literacy is a composite skill and requires people to be able to work with technology, think critically, and navigate a wide range of information tools and resources to obtain the information needed to make decisions. The COVID-19 pandemic is accompanied by

“infodemia,” a term used to quickly spread false information or fake news through social networks and other sources of information. These are the reasons that point to the importance of e-health literacy in the world.

To measure e-health literacy, we have the eHEALS instrument at our disposal, which we translated and included in our questionnaire. eHEALS is an eight-question e-health literacy instrument developed to measure knowledge about finding, assessing and using internet information for health problems. We developed and validated a questionnaire to measure e- health literacy related to the COVID -19 pandemic in Slovenia.

In the first part, the questionnaire includes all items of the already established eHEALS questionnaire for measuring e-health literacy. The second part consists of questions about finding, understanding, assessing and using information from the internet. We used a five- point Likert response scale. In the third part of the questionnaire, we used a task to test the e-health literacy of the respondents. The last section of the questionnaire contains questions on socio-demographic data.

The questionnaire was first pilot tested on a sample of 20 people. The final version of the questionnaire was answered by 518 people who completed the questionnaire on the Valicon web panel.

The results were analysed with the programmes SPSS and AMOS. First, we analysed the socio-demographic data using descriptive statistics. The reliability of our instrument was tested using Cronbach's alpha between a 1-factor and a 4-factor model. With the 1-factor model, a higher reliability of the construct was obtained.

The validity of the instrument was verified by confirmatory factor analysis and multiple linear regression. According to the indices, the 4-factor model is superior to 1-factor model since it includes questions grouped into 4 domains that are much more similar to each other than in the 1-factor model. The 4-factor model provides a better fit to experimental data compared to 1-factor model.

The multiple linear regression analysis revealed a statistically significant association between higher e-health literacy and higher educational attainment, higher monthly net

V

income and larger respondent settlement. In the task where we assessed actual literacy compared to implemented e-health literacy, we obtained very low correlations between self- perceived and actual e-health literacy. All correlations between the individual domains were statistically significant.

Keywords: e-health literacy, questionnaire, validation, COVID-19, Slovenia

VI

ABECEDNI SEZNAM OKRAJŠAV

ANOVA Analiza variance (angl. Analysis of Variance)

CFA Potrditvena faktorska analiza (angl. Confirmatory Factor Analysis) CFI Primerjalni indeks prileganja (angl. Comparative Fit Index)

EFA Raziskovalna faktorska analiza (angl. Exploratory Factor Analysis) eHEALS Vprašalnik za merjenje e-zdravstvene pismenosti

eHEALS-E Razširjen vprašalnik za merjenje e-zdravstvene pismenosti GFI Indeks skladnosti (angl. Goodness of Fit Index)

HL Zdravstvena pismenost (angl. Health Literacy)

HLS-EU-Q47 Evropski vprašalnik za merjenje zdravstvene pismenosti (angl. European Health Literacy Questionnaire)

HLS-COVID-Q22 Evropski vprašalnik za merjenje zdravstvene pismenosti v povezavi s pandemijo COVID-19 (angl. Coronavirus-related Health Literacy Survey Questionnaire)

KMO Kaiser-Mayer-Olkinovo merilo ustreznosti vzorčenja (angl. Kaiser-Meyer-Olkin Measure of Sampling Adequacy) NVS Test hitre ocene zdravstvene pismenosti v primarnem zdravstvu

(angl. Quick Assessment of Literacy in Primary Care; Newest Vital Sign)

REALM Test hitre ocene zdravstvene pismenosti odraslih (angl. Rapid Estimate of Adult Literacy in Medicine)

RMSEA Kvadratni koren srednje kvadratne napake zaradi aproksimacije (angl. Root Mean Square Error of Approximation)

SIMHC Model strukturnega vpliva zdravstvenega komuniciranja (angl. Structural Influence Model of Health Communication) SPSS Statistični paket za družbene vede

(angl. Statistical Package for Social Sciences)

TOFHLA Kratki test funkcionalne zdravstvene pismenosti odraslih (angl. Short Test of Functional Health Literacy in Adult)

1

1 UVOD

1.1 E-ZDRAVSTVENA PISMENOST

Ko se družba in družbeno okolje na svetovni ravni vse bolj usmerjata k uporabi digitalnih in medijskih orodij za pošiljanje zdravstvenih sporočil, ponujanje zdravstvenih informacij, navigacijo po zdravstvenih storitvah, hkrati pa povečujeta uporabo interneta za komercialno oglaševanje, bo e-zdravstvena pismenost v prihodnosti igrala vse pomembnejšo vlogo. E- zdravstvena pismenost je sestavljena veščina in zahteva, da so ljudje sposobni delati s tehnologijo, kritično razmišljati o medijskih in znanstvenih vprašanjih ter učinkovito krmariti po širokem spektru informacij in virov, da pridobijo informacije, ki so potrebne za odločanje. E-zdravstvena pismenost je bila opredeljena kot cilj javnega zdravja v 21. stoletju in pomemben izziv, s katerim se zdravstveno varstvo sooča po vsem svetu (1).

E-zdravstvena pismenost je torej sposobnost iskanja, razumevanja in ocenjevanja zdravstvenih informacij iz internetnih virov ter uporabe pridobljenega znanja za reševanje zdravstvenih težav. Na e-zdravstveno pismenost vplivajo zdravstveni problemi osebe, izobrazba, zdravstveno stanje, motivacija za iskanje informacij in uporabljene tehnologije.

Tako kot druge pismenosti tudi e-zdravstvena pismenost ni statična, gre za procesno usmerjeno veščino, ki se sčasoma razvija z uvajanjem novih tehnologij in spreminjanjem osebnega, družbenega in okoljskega konteksta (2).

Okoljski dejavniki, kot so na primer stopnja dokončane izobrazbe, osebni mesečni neto dohodek in regija prebivališča, so povezani z družbenim, organizacijskim ali ekonomskim kontekstom in igrajo pomembno vlogo pri oblikovanju posameznikovih, skupinskih ali populacijskih veščin e-zdravstvene pismenosti (3).

1.1.1 LILY MODEL

E-zdravstvena pismenost je sestavljena iz šestih osnovnih veščin ali pismenosti:

tradicionalna pismenost, zdravstvena pismenost, informacijska pismenost, znanstvena pismenost, medijska pismenost in računalniška pismenost, ki so združene v Lily model (model lilije), prikazan na Sliki 1 (1).

2

Znotraj modela lilije je šest pismenosti, razdeljenih na dve komponenti, kot vidimo na Sliki 1: analitična (tradicionalna, medijska, informacijska pismenost) in kontekstualna (računalniška, znanstvena, zdravstvena pismenost).

Analitična komponenta vključuje spretnosti, ki so uporabne za širok spekter virov informacij, neglede na temo ali kontekst, medtem ko se kontekstualna komponenta opira na bolj specifične veščine. Analitične spretnosti lahko na primer uporabimo za nakupovanje ali pri iskanju splošnih informacij, povezanih z zdravjem. Kontekstno specifične veščine so prav tako pomembne, vendar jih uporabljamo znotraj določenega področja problema ali okoliščine (2).

Slika 1: Lily model ter analitična in kontekstualna komponenta modela

3 1.1.1.1 Tradicionalna pismenost

Ta koncept je javnosti najbolj znan in zajema osnovne veščine pismenosti, kot je sposobnost branja besedila, razumevanja napisanih odlomkov ter skladnega govora in pisanja jezika. S tem povezano vprašanje je jezik sam. Več kot 65 % vsebine svetovnega spleta je v angleščini, kar pomeni, da bodo angleško govoreči bolj verjetno našli elektronski vir, ki je razumljiv in ustreza njihovim potrebam (2).

1.1.1.2 Informacijska pismenost

Informacijsko pismen človek ve, v katerih virih je potrebno poiskati informacije, da bi našel informacije o določeni temi, zmožen je razviti ustrezne strategije iskanja in lahko filtrira rezultate za pridobivanje ustreznega znanja (2).

1.1.1.3 Medijska pismenost

Medijska pismenost je veščina, ki ljudem omogoča, da pridobljene informacije uspešno uporabljajo glede na družbeno in politično stanje. Gre za kombinacijo kognitivnih procesov in veščin kritičnega mišljenja (2).

1.1.1.4 Zdravstvena pismenost

Zdravstvena pismenost vključuje motivacijo, znanje in kompetence za dostop, razumevanje, vrednotenje in uporabo zdravstvenih informacij za presojo in sprejemanje odločitev v vsakdanjem življenju o skrbi za zdravje, preprečevanju bolezni in promociji zdravja za ohranjanje ali izboljšanje kakovosti življenja (4). Bolniki z ustrezno zdravstveno pismenostjo lahko berejo, razumejo in ravnajo v skladu z informacijami o zdravstvenem varstvu (2).

1.1.1.5 Računalniška pismenost

Računalniška pismenost je sposobnost uporabe računalnikov za reševanje problemov.

Vključuje sposobnost prilagajanja novim tehnologijam in programski opremi ter vključuje dostop do e-zdravstvenih virov (2).

1.1.1.6 Znanstvena pismenost

Znanstvena pismenost je sposobnost, da potrošniki razumejo pomen zdravstvenih raziskav ter kaj je potrebno za razvoj znanosti. Gre za postopke odkrivanja ter omejitve in možnosti, ki jih lahko predstavljajo raziskave (2).

4

1.1.2 E-ZDRAVSTVENA PISMENOST IN ZDRAVSTVENI IZIDI

Digitalna doba je začela zelo vplivati na zdravstveni sistem. S pomočjo pametnih telefonov in drugih naprav s pomočjo mobilne telefonije je dostop do informacij prisoten med potrošniki po vsem svetu. To dejstvo preusmerja poudarek iz zdravstvene pismenosti v digitalno zdravstveno pismenost. Ta prehod pomeni tudi stremljenje k večjemu opolnomočenju ljudi glede njihovega zdravstvenega stanja ter k skrbi za bolj zdravo življenje. S pomočjo digitalizacije dosegamo zbiranje, shranjevanje, dostopnost, analiziranje in zasebnost podatkov na enem mestu. Digitalna transformacija spodbuja nove načine razmišljanja z uporabo koristnih informacij, ki so natančno določene v realnem času.

Primarni cilj je usklajen zdravstveni sistem in sodelovanje med nivoji v zdravstvu, ki se s pomočjo tehnologije lahko integrirajo v človekovo življenje in tako koristijo pri reševanju posameznikovih zdravstvenih težav. Digitalna pismenost lahko pripomore k premiku od pasivnosti, v smislu pacienta kot pasivne in podrejene osebe na višjo raven samostojne, opolnomočene osebe, ki lahko sama nadzoruje svoje zdravstveno stanje. Zelo pomembne so zato spremembe v načinu življenja pacientov. Te spremembe morajo po določenem času postati rutina, ki stremi k izboljšanju življenjskega sloga. Za te spremembe so potrebne strategije, ki ljudem dajejo informacije, podporo, usmeritve in spodbudo k spremembi načina odzivanja in sprejemanja informacij o njihovem zdravstvenem stanju. Poleg tega se moramo osredotočiti na pomoč ljudem, da živijo bolj kvalitetno življenje, in ne na njihove bolezni (5). Nižja zdravstvena pismenost je povezana s povečanimi stroški zdravstvene oskrbe, z več napakami pri zdravljenju, z neučinkovito in neželeno komunikacijo med pacientom in zdravstvenim osebjem ter z neučinkovito uporabo zdravstvenih storitev (9).

Višja e-zdravstvena pismenost vpliva na pozitivne zdravstvene izide, bolj e-zdravstveno pismeni ljudje so manj v bolnišnicah, manj zbolevajo in v primeru bolezni znajo ustrezno ukrepati. V raziskavi, v kateri so identificirali e-zdravstveno pismenost bolnikov s kardiovaskularnimi boleznimi (KVB), je bilo ugotovljeno, da je bila slaba e-zdravstvena pismenost povezana s poslabšanim zdravstvenim stanjem. Analiza je pokazala, da so bili bolniki z nižjo pismenostjo starejši, z nižjo stopnjo izobrazbe in so manj časa preživeli na internetu (6).

5

1.1.3 PREVERJANJE E-ZDRAVSTVENE PISMENOSTI

Potrošniško usmerjeno e-zdravje zahteva sposobnost iskanja, vrednotenja in ocenjevanja, vključevanja in uporabe pridobljenega v elektronskih okoljih za reševanje zdravstvenih težav. E-zdravstvena pismenost je sestavljena spretnost in zahteva, da so ljudje sposobni delati s tehnologijo, kritično razmišljati o medijskih in znanstvenih vprašanjih ter krmariti po širokem spektru informacijskih orodij in virov, da pridobijo informacije, potrebne za odločanje. Za merjenje ravni zdravstvene pismenosti se pogosto uporabljata hitra ocena pismenosti odraslih v medicini (REALM) in test funkcionalne zdravstvene pismenosti pri odraslih (TOFHLA). Oba instrumenta merita funkcionalno zdravstveno pismenost.

Pojem e-zdravstvene pismenosti se je rodil iz večkratnih opazovanj v različnih raziskavah.

Pri promociji zdravja so ugotovili, da je opazna vrzel med uporabo tehnologije in funkcionalnostjo potrošnikov pri uporabi le-te v iskanju koristnih informacij pri reševanju različnih zdravstvenih problemov. Gre za vrzel med tem, da pacienti znajo uporabljati tehnologijo, vendar je ne znajo uporabiti za reševanje zdravstvenih problemov. Temeljna zbirka veščin, ki zajemajo e-zdravstveno pismenost, se verjetno ni spremenila, spremenili pa so se konteksti, ki jih uvajajo socialni mediji. To predstavlja priložnost za raziskave in prakso, da se razmisli o načinih razumevanja in spodbujanja e-zdravstvene pismenosti. Edini razpoložljivi instrument, ki naj bi meril internetne veščine splošnega uporabnika interneta, povezane z zdravjem, je lestvica pismenosti e-zdravja (eHEALS) Normana in Skinnerja (7, 8).

1.1.3.1 eHEALS

Lestvica eHEALS je bila zasnovana za oceno spretnosti potrošnikov pri uporabi informacijske tehnologije za posameznikovo zdravje in za pomoč pri ugotavljanju ujemanja med programi na spletu in uporabniki. eHEALS je bil uporabljen v različnih okoljih z različnimi ciljnimi skupinami prebivalstva ter je bil preveden v več jezikov. eHEALS je merilo e-zdravstvene pismenosti iz 8 elementov, razvito za merjenje znanja, udobja in spretnosti potrošnikov pri iskanju, ocenjevanju in uporabi elektronskih zdravstvenih informacij pri zdravstvenih težavah. Vsaka postavka eHEALS uporablja 5-stopenjsko Likertovo lestvico za odgovor na vsako vprašanje z možnostmi odziva od „popolnoma se strinjam“ do „popolnoma se ne strinjam“. eHEALS zanesljivo in dosledno ocenjuje e- zdravstveno pismenost v vseh okoljih in populacijah in se je tako izkazalo kot dobro orodje

6

za ocenjevanje udobja in spretnosti potrošnikov pri uporabi informacijske tehnologije za izboljševanje lastnega zdravja (1).

eHEALS je instrument, osnovan na podlagi lastne percepcije (samozaznave) e-zdravstvene pismenosti (ang. perception-based). Anketiranci izvedejo samooceno, tako da na podlagi lastne percepcije ocenjujejo svojo e-zdravstveno pismenost. Sistem eHEALS tako zaznava spretnosti z uporabo vprašalnika in ne z dejanskim preverjanjem uspešnosti ravni e- zdravstvene pismenosti (ang. performance-based). Prednost eHEALS je v hitrosti pridobivanja reprezentativnih rezultatov za oceno le-te.

1.1.4 VPLIV SOCIODEMOGRAFSKIH PODATKOV NA E-ZDRAVSTVENO PISMENOST

Večji dostop do interneta je povečal razpoložljivost zdravstvenih informacij, vendar se številni uporabniki interneta še vedno soočajo z izzivi pri dostopu do ustreznih in pismeno občutljivih zdravstvenih vsebin, ki so visoko kakovostne. Posamezniki, ki nimajo ustreznih veščin za navigacijo po internetu, lahko tudi nevede dostopajo do zdravstvenih informacij, ki so netočne in potencialno nevarne za njihovo splošno zdravje. Ta pojav je še posebej problematičen za starejše prebivalstvo, ki je še posebej izpostavljeno invalidnosti in kroničnim boleznim. Model strukturnega vpliva zdravstvenega komuniciranja (SIMHC), ki ga vidimo na Sliki 2, predvideva, da različne oblike medijev in različne zvrsti znotraj medija lahko različno vplivajo na iskanje zdravstvenih informacij in vedenje med različnimi skupinami prebivalstva. Družbene determinante, ki so ključnega pomena za oceno e- zdravstvene pismenosti, so izobrazba, dohodek, zaposlitev ter zakonski stan. Starost, spol, rasa ali etnična pripadnost ter zdravstveni status so sociodemografske determinante, ki naj bi odločilno vplivale na zdravstvene izide ter e-zdravstveno pismenost populacije (9). Nižjo e-zdravstveno pismenost imajo običajno starejši ljudje, z nižjo izobrazbo in nižjimi dohodki (9).

Slika 2: Prikaz vpliva družbenih in sociodemografskih determinant na zdravstvene izide

7

1.1.5 KORELACIJA MED E-ZDRAVSTVENO PISMENOSTJO IN ZDRAVSTVENO PISMENOSTJO

V raziskavah je bilo potrjeno, da se e-zdravstvena in zdravstvena pismenost razlikujeta. V eni izmed raziskav niso opazili korelacije med rezultati udeležencev na NVS (test hitre ocene zdravstvene pismenosti v primarnem zdravstvu – angl. Newest vital sign) in eHEALS (e- zdravstvene pismenosti). Udeleženci so na splošno izkazovali visoko stopnjo zdravstvene pismenosti, vendar so bile njihove ocene pismenosti e-zdravja veliko bolj spremenljive.

Spretnosti, ki so potrebne za delo z elektronskimi zdravstvenimi viri, so tako edinstvene in drugačne od tistih, ki so potrebne za interakcijo s papirnatimi materiali. Druga možna razlaga je, da eHEALS ocenjuje iskanje in ocenjevanje zdravstvenih informacij, medtem ko NVS zahteva razumevanje in uporabo zdravstvenih informacij. To pomeni, da NVS udeležencem zagotavlja zdravstvene informacije, potrebne za odgovor na zastavljena vprašanja, namesto da bi jih morali najti in določiti njihovo zanesljivost. Vzorec rezultatov te raziskave kaže, da so udeleženci bolj kritični do svoje e-zdravstvene pismenosti, kot bi od njih pričakovali.

Ljudje so lahko bistveno bolj ali manj prepričani o svoji sposobnosti iskanja in ocenjevanja virov e-zdravja ter uporabe informacij, ki jih viri vsebujejo. Rezultati te raziskave kažejo tudi, da so ljudje, za katere bi pričakovali, da so zelo prepričani v svoje veščine pismenosti na področju e-zdravja (tj. mladi, dobro izobraženi), tukaj le zmerno samozavestni, nekateri pa celo dvomljivi (10).

V drugi raziskavi pa so raziskovalci podprli korelacijo med e-zdravstveno pismenostjo in zdravstveno pismenostjo. Izkušnje v zdravstvenem sektorju so pozitivno povezane s samozaznavno e-zdravstveno pismenostjo, merjeno z eHEALS. Ta ugotovitev je v skladu z izvirnim modelom e-zdravstvene pismenosti, ki sta ga predlagala Norman in Skinner, kjer je ta opisana kot medsebojna povezanost različnih temeljnih veščin, vključno z zdravstveno pismenostjo. Ugotovitve poudarjajo, da poleg merjenja sposobnosti uporabe interneta in računalnikov obstajajo različni dejavniki, ki lahko vodijo do različnih rezultatov pri merjenju pismenosti. Ta raziskava konceptualno podpira Lily model e-zdravstvene pismenosti, v katerem na rezultate merjenja e-zdravstvene pismenosti vpliva višja raven splošne zdravstvene pismenosti, merjena z resničnimi izkušnjami na področju zdravstva (11).

8

1.1.6 SAMOZAZNAVNA E-ZDRAVSTVENA PISMENOST V PRIMERJAVI Z IZVEDENO E-ZDRAVSTVENO PISMENOSTJO

Izboljšano razumevanje in ocenjevanje sta predpogoja za izboljšanje e-zdravstvene pismenosti, s čimer se bolnikom olajša samostojno upravljanje njihovega zdravja. To je še bolj pomembno za tiste, ki to najbolj potrebujejo, kot so dolgotrajni bolniki in starejši. Ena izmed raziskav je pokazala, da je e-zdravstvena pismenost na eni strani povezana tako s človekovimi opazovanji, spretnostmi, motivacijo, samozavestjo, zagotavljanjem pomoči in značilnostmi okolja, kot s samozaznavno e-zdravstveno pismenostjo po drugi strani. Ta raziskava je dokazala korelacijo med samozaznavno e-zdravstveno pismenostjo in izvedeno e-zdravstveno pismenostjo (12).

Udeleženci z nizko in visoko stopnjo e-zdravstvene pismenosti so se bistveno razlikovali:

manj uspešni so bili starejši in tisti, ki so manj časa uporabljali internet, ki so potrebovali več pomoči in bili manj prepričani v svoje ravnanje. Zmerna povezava med samozaznavno in izvedeno e-zdravstveno pismenostjo nakazuje, da je treba slednjo oceniti ločeno.

Ocenjevanje pismenosti v kliničnih okoljih bi moralo vključevati tako strukturirane naloge kot tudi samozaznavno oceno e-zdravstvene pismenosti (12).

Samozaznavna e-zdravstvena pismenost je bila ocenjena z orodjem eHEALS, medtem ko je bilo opravljeno ocenjevanje izvedene e-zdravstvene pismenosti zasnovano na metodologiji in materialih, razvitih v preteklosti, ob uporabi konceptualizacije spretnosti, razvitih nedavno na področju zdravstvene pismenosti. Na koncu je raziskava zabeležila in analizirala tudi količino pomoči, ki so jo udeleženci potrebovali. Raziskava prinaša več pomembnih ugotovitev. Glavna ugotovitev te raziskave je, da sta zaznavanje in izvajanje pismenosti e- zdravja pomembno povezano med seboj, čeprav v zmerni meri. Ugotovitev kaže na to, da ljudje na razumen, čeprav na nenatančen način, ocenijo svoje znanje. Druga ugotovitev je, da bolj ko je spretnost zapletena, manj uspešno je dokončanje nalog. Tretja ugotovitev je, da so se udeleženci, ki so dosegli nizko in visoko stopnjo pismenosti o e-zdravju, med seboj razlikovali v drugih vidikih, o katerih so poročali v tej raziskavi (tj. pomoč, motivacija, samozavest, zaznane spretnosti in značilnosti okolja). Izboljšano razumevanje in ocenjevanje sta predpogoj za izboljšanje e-zdravstvene pismenosti, s čimer se bolnikom olajša samostojno upravljanje njihovega zdravja. To je še bolj pomembno za tiste, ki to najbolj potrebujejo, kot so dolgotrajni bolniki in starejši (12).

9

1.2 E-ZDRAVSTVENA PISMENOST V POVEZAVI S PANDEMIJO COVID-19

Pandemijo COVID-19 spremlja izraz "infodemija", ki se uporablja za hitro širjenje napačnih informacij ali lažnih novic prek socialnih omrežij in drugih medijev. Širjenje teh napačnih informacij lahko povzroči, da ljudje ravnajo neprimerno in ogrozijo prizadevanja vlad in zdravstvenih organov pri obvladovanju bolezni COVID-19.

Raziskave so pokazale, da slaba e-zdravstvena pismenost na splošno vpliva na to, kako se bolniki z dolgotrajnimi stanji odzivajo in obvladujejo svoje zdravstvene težave. Slabša e- zdravstvena pismenost pacientov vodi do več neželenih zdravstvenih izidov, vključno z višjim deležem hospitalizacije, višjo umrljivostjo in povečanimi stroški oskrbe.

Razumevanje vloge e-zdravstvene pismenosti pri obvladovanju izbruha COVID-19 je ključnega pomena. Poleg uporabe potrjenih orodij za oceno razširjenosti e-zdravstvene pismenosti v okviru nalezljivih bolezni je pomembno tudi preučiti medsebojno povezane vloge e-zdravstvene pismenosti in z zdravjem povezanih dezinformacij pri odločitvah javnosti pri sprejemanju ukrepov za zmanjšanje širjenja COVID-19, kot je umivanje rok, nošenje maske in vadba fizičnega distanciranja. Opolnomočenje javnosti z boljšo kritično zdravstveno pismenostjo na splošno, krepitev zmogljivosti skupnosti s pomočjo družbene udeležbe in dialoga bi lahko bila ena od strategij za boj proti dezinformacijam, povezanim s COVID-19, v socialnih medijih (13).

Ker pandemija koronavirusa (COVID-19) zahteva karanteno in izolacijo, so se tako zmanjšali osebni obiski tako v primarni kot v sekundarni oskrbi. Pandemija COVID-19 sproži potrebo po hitrem in ustvarjalnem premisleku o načinih izvajanja zdravstvenega varstva in premaknitvi tradicionalnih modelov na vire elektronskega zdravja (eZdravje), ki povezujejo oskrbo prek interneta in sorodnih tehnologij (14).

1.2.1 PREVERJANJE E-ZDRAVSTVENE PISMENOSTI V POVEZAVI S PANDEMIJO COVID-19

Ugotovitve kažejo, da večina ljudi vsak dan uporablja internet. Čeprav bi lahko zadetki iskanj in informacije v socialnih medijih ljudi naključno izpostavili informacijam, je verjetno, da so slednji predeterminirani s predhodnimi iskanji in tako ljudi spodbudijo k enostranskim informacijam, ki so lahko zavajajoče. Od izbruha pandemije širjenje informacij o COVID-19 prek socialnih medijev ureja svetovni vodnik COVID-19 za

10

socialne medije. Vendar samo ta vodnik ne zadostuje za preprečevanje širjenja ponarejenih in zavajajočih zdravstvenih informacij na platformah socialnih medijev. Raziskave so pokazale, da so anketiranci, ki pogosto iščejo informacije v zvezi s COVID-19 po internetu in so dobro seznanjeni s COVID-19, bolj medijsko pismeni. To ni presenetljivo, ker na namene ali zmožnost iskanja spletnih zdravstvenih informacij vpliva izpostavljenost zdravstvenim tveganjem in učinkovitost iskalca informacij. Ljudje z večjimi tveganji za zdravje bodo bolj verjetno iskali zdravstvene informacije na spletu. Bolj ko ljudje iščejo informacije o COVID-19, bolj spretni bi bili pri iskanju, ocenjevanju in uporabi takih informacij, ki so na voljo na internetu (15). Pandemija COVID-19 je močno obremenila zdravstvene sisteme in vlade. Zdravstvena pismenost in e-zdravstvena pismenost sta prepoznani kot strateška elementa javnega zdravja, vendar sta bili med pandemijo podcenjeni. Ravni zdravstvene pismenosti, e-zdravstvene pismenosti, življenjskega sloga in zdravstveno stanje zdravstvenih delavcev igrajo ključno vlogo pri obvladovanju pandemije COVID-19. V raziskavi so dokazali povezavo med zdravstveno pismenostjo (HL), e- zdravstveno pismenostjo (eHEALS) ter spoštovanjem postopkov preprečevanja širjenja okužbe. Potrošniško usmerjeno e-zdravje zahteva sposobnost iskanja, vrednotenja in ocenjevanja, vključevanja in uporabe pridobljenega v elektronskih okoljih za reševanje zdravstvenega problema. E-zdravstvena pismenost je sestavljena spretnost in zahteva, da so ljudje sposobni delati s tehnologijo, kritično razmišljati o medijskih in znanstvenih vprašanjih ter krmariti po širokem spektru informacijskih orodij in virov, da pridobijo informacije, potrebne za odločanje. Glede na rezultate so višje vrednosti HL in eHEALS povezane z boljšim upoštevanjem ukrepov po prilagoditvi po starosti, spolu, zmožnosti plačevanja zdravil, socialnem statusu, poklicu, vrsti zdravstvene ustanove, izkušnjah zadrževanja epidemij in spremljajočih boleznih. Spol, zmožnost plačevanja zdravil, poklic in izkušnje z omejevanjem epidemij so bili neodvisni napovedovalci rezultatov HL in eHEALS. Moški so dosegali boljše rezultate kot ženske. Zmožnost plačevanja zdravil, višji dohodek in bolje plačani poklici so pozitivno vplivali na stopnjo e-zdravstvene pismenosti.

Prav tako so izkušnje z omejevanjem epidemije ugodno vplivale in povečale e-zdravstveno pismenost sodelujočih v raziskavi. Anketiranci z višjimi ocenami HL ali eHEALS so bolj spoštovali postopke za preprečevanje in obvladovanje okužb, imeli so bolj zdrav način življenja in manjšo verjetnost suma na simptome COVID-19 (16).

11

1.2.2 INFODEMIJA IN VLOGA E-ZDRAVSTVENE PISMENOSTI V POVEZAVI S PANDEMIJO COVID-19

Trenutna infodemija je kriza za filtriranje same količine informacij, ki se pojavlja na štirih ravneh: v znanosti, politiki in praksi, medijih in socialnih medijih.

Model torte ponazarja te štiri ravni kot plasti, ki jih vidimo na Sliki 3. Velikost slojev je sorazmerna s količino informacij, ki jih ustvarijo te štiri skupine akterjev. Model prikazuje tudi nekatere pretoke informacij in dejavnosti prevajanja znanja, ki potekajo med različnimi ravnmi. Znanost je najmanjša plast torte glede na količino informacij, upodobljena pa je na vrhu informacijske torte, saj predstavlja stroge in selektivne cikle priprave informacij. Jasno je, da lahko tudi v znanosti lahko najdemo napačne informacije. Glavna težava ni toliko razširjenost napačnih informacij v znanstveni plasti, temveč predvsem izziv prenosa pravilnih informacij v priporočila, ki jih je mogoče uporabiti, in posredovanje zaključkov različnim občinstvom in deležnikom v drugih plasteh. Vmesna sloja predstavljata politika in zdravstvo ter mediji, ki sta glavni povezavi za prenos informacij med skrajnima plastema.

Socialni mediji so upodobljeni kot največji in zadnji segment torte, ki predstavlja veliko količino skoraj nefiltriranih in nenadzorovanih informacij, ki jih javnost ustvari, okrepi ter razširi. Informacije v socialnih medijih seveda ustvarjajo tudi znanstvene organizacije, oblikovalci politik, zdravstvene organizacije in novinarji (17).

Slika 3: Sloji, med katerimi poteka prenos informacij

12 1.2.3 VPLIV PANDEMIJE NA LILY MODEL

Znotraj modela e-zdravstvene pismenosti Lily je šest različnih osnovnih pismenosti organiziranih v dve osrednji vrsti: analitično (tradicionalna pismenost in računanje, medijska pismenost in informacijska pismenost) in kontekstno specifično (znanstvena pismenost, računalniška pismenost in zdravstvena pismenost). Teh šest tipov pismenosti skupaj tvori temeljne veščine, potrebne za optimizacijo izkušenj pacientov z e-zdravjem, kar je prikazano na Sliki 4. Poleg tega je kakovost informacij, ki jih zagotavlja e-zdravje, ključnega pomena.

Na žalost je v socialnih medijih v skladu s COVID-19 zapletenih, nasprotujočih si in napačnih informacij veliko. Zapletene informacije o e-zdravju zahtevajo medijsko pismenost. Pozornost na e-zdravstveno pismenost pacientov je ključnega pomena za izboljšanje zdravstvenih rezultatov in zmanjšanje vpliva COVID-19 tako na individualni kot na družbeni ravni. Zdravstveni delavci morajo najti načine, kako podpreti paciente, ki nimajo naprednih spretnosti za e-zdravstveno opismenjevanje, pri samoopravljanju lastnega duševnega in fizičnega zdravja med COVID-19. S tem lahko povečamo možnosti za uspeh.

Pismenost o e-zdravju je nujna v vseh sodobnih tehnoloških družbah. Zdravstveni delavci lahko igrajo ključno vlogo. COVID-19 je pomenil velik korak k uporabi e-zdravja (14).

Slika 4: Vplivi pandemije na Lily model

13

1.3 PSIHOMETRIČNE LASTNOSTI VPRAŠALNIKA

Empirično izmerjeni podatki predstavljajo vez med teorijo in dejansko stvarnostjo. Zato je veljavnost podatkov zelo pomembna za raziskovanje. Validacija je proces, pri katerem preverjamo ustreznost pridobljenih rezultatov glede na teoretično osnovo (18, 19).

Psihometrična validacija se uporablja pri raziskavah na različnih področjih, za opredelitev lastnosti lestvic, ki so vključene v te vprašalnike (20). Ključnega pomena za zaupanje v rezultate vprašalnika je ocena kakovosti vprašalnika. Slednjo ocenjujemo na podlagi ugotavljanja psihometričnih lastnosti, med katere uvrščamo zanesljivost in veljavnost vprašalnika. Veljavnost in zanesljivost sta pojma, ki se nanašata na to, v kolikšni meri instrument dejansko meri tisto, kar naj bi meril (21).

1.3.1 ZANESLJIVOST VPRAŠALNIKA

Zanesljivost vprašalnika pomeni, da gre za ponovljive rezultate ob ponovnih meritvah, kjer na rezultate meritev vpliva le slučajna napaka in ne sistematični vpliv različnih spremenljivk.

Zanesljivost se torej osredotoča na prisotnost slučajnih napak. Merski postopek je zanesljiv, kadar pri več ponovitvah merjenja, ob istih pogojih, daje instrument primerljive rezultate.

Zanesljivost instrumenta lahko merimo z različnimi metodami. Najpogosteje uporabljeni metodi sta metoda notranje skladnosti in metoda ponovnega testiranja.

Skladnost odgovorov na dane postavke je v našem primeru zelo pomembna. Z metodo notranje skladnosti določamo Cronbachov koeficient, ki predstavlja stopnjo povezave postavk znotraj posameznega faktorja. Vrednosti Cronbachovega koeficienta se gibljejo med 0 in 1. Višji kot je, manjši je odstotek variance nastajanja zaradi napak merjenja. Na primer koeficient 0,8 pomeni, da je 80 % variance v podatkih posledica razlik v e- zdravstveni pismenosti, 20 % pa je posledica napak pri merjenju. Osnova metode ponovnega testiranja pa je stabilnost instrumenta, ki ga dokažemo takrat, kadar pri ponovljenem testu istega instrumenta in nespremenjenih okoliščinah dobimo enake rezultate. Koeficient zanesljivosti dobimo z računanjem Pearsonovega koeficienta med dobljenimi rezultati pri različnih testiranjih. Ponovno testiranje pogosto ni možno, zato se najpogosteje uporablja metoda notranje skladnosti. Napaka merjenja povzroči razkorak med resnično oz. pravo lastnostjo in njeno izmerjeno vrednostjo, v določenem trenutku. Napaka je lahko posledica nepravilnega sestavljanja instrumenta, napake pri administraciji instrumenta ter napake pri vrednotenju in interpretaciji rezultatov (18, 20, 22).

14 1.3.2 VELJAVNOST VPRAŠALNIKA

Veljavnost instrumetna dokažemo takrat, kadar meri tisto količino, ki si jo v tistem trenutku želimo izmeriti. Veljavnost je opredeljena kot skladnost med rezultati, ki jih instrument daje, in količino, za katero verjamemo, da jo instrument meri. Proces validacije vsebuje preverjanje trdnosti in ustreznosti rezultatov. Veljavnost poveča razumevanje rezultatov instrumenta in različnih sprememb med rezultati. Obstajajo različne kategorije veljavnosti, katerih koncepti se prekrivajo: vsebinska, kriterijska in konstruktna veljavnost (18, 19, 22).

Vsebinska veljavnost je podprta takrat, ko instrument predstavlja tiste vsebine, zaradi katerih je bil sestavljen. Vsebinska veljavnost zajema vzorčno (ang. sample validity) in razvidno (ang. face validity). Vzorec vsebine konstrukta mora biti ustrezen. Pri dokazovanju vsebinske veljavnosti ne moremo uporabiti statističnih dokazov, temveč le logične.

Določimo, ali je vsebina vprašalnika ustrezno sestavljena. Za to je potrebno učinkovito načrtovanje in razvoj vprašalnika. Kriterijska veljavnost je koeficient korelacije med določeno izmerjeno spremenljivko in kriterijsko spremenljivko ter na podlagi te korelacije preverja, kako dobro lahko napovemo izide. Gre za merjenje instrumenta z določenim standardom, vendar se zaradi pomanjkanja teh standardov kriterijska veljavnost redko testira. Preverjamo lahko dve vrsti kriterijske veljavnosti: sočasno in napovedno. Pri sočasni gre za ocenjevanje povezav med rezultati z enim ali več kriteriji, ki vplivajo na meritve, ki so bile zbrane sočasno, pri napovedni pa po določenem času, z več raziskavami. Pri napovedni merjeno spremenljivko in standard koreliramo pri različnih časovnih točkah, pri sočasni pa v isti časovni točki. Zaradi tega je sočasna kriterijska veljavnost bistveno pogosteje uporabljena, saj jo lahko določimo s tehniko znane skupine, pri kateri je zunanji standard lastnost znane skupine. Instrument ima takšno kriterijsko veljavnost, ki se dobro ujema z meritvami, ki nas zanimajo. Koeficient kriterijske veljavnosti je torej korelacija med rezultatom instrumenta in zunanjim standardom. Konstruktna veljavnost pomeni, da tiste spremenljivke, ki merijo isti konstrukt, med seboj močno korelirajo. Kadar pa spremenljivke, ki merijo isti konstrukt, korelirajo s spremenljivkami, ki merijo drug konstrukt, se to dogaja zaradi medsebojnih korelacij med konstrukti. Kadar instrument daje rezultate, ki se ujemajo s teoretičnimi pričakovanji, je instrument konstruktno veljaven. To je takrat, ko merjen konstrukt v predvideni velikosti in smeri korelira z drugimi konstrukti, s katerimi je instrument povezan (konvergentna veljavnost) ter s konstrukti, pri katerih ne pričakujemo povezave (diskriminatorna veljavnost).

15

2 NAMEN IN POTEK DELA

Namen magistrske naloge je razviti in validirati vprašalnik za merjenje e-zdravstvene pismenosti v povezavi s pandemijo COVID-19 v Sloveniji. S pomočjo razvitega in validiranega vprašalnika bomo lahko identificirali stopnjo e-zdravstvene pismenosti v povezavi s pandemijo COVID-19 med laično javnostjo v Sloveniji. Preveriti želimo tudi napovedne dejavnike, ki vplivajo na e-zdravstveno pismenost v povezavi s pandemijo COVID-19. Pri tem se bomo osredotočili na spol, starost, informacije o dokončani stopnji izobrazbe, osebnem mesečnem neto dohodku, regiji stalnega prebivališča ter poštni številki.

Te napovedne dejavnike bomo uporabili kot validacijske kriterije, s tem bomo ocenjevali zanesljivost in različne veljavnosti razvitega vprašalnika oz. instrumenta za vrednotenje e- zdravstvene pismenosti v povezavi s pandemijo COVID-19.

16

3 METODE

E-zdravstveno pismenost smo ocenili z vprašalnikom o e-zdravstveni pismenosti, katerega del je tudi eHEALS. Vprašalnik eHEALS smo vključili predvsem zaradi preverjanja kriterijske veljavnosti novo razvitega vprašalnika. Slednjega smo razvijali postopoma, saj smo na podlagi že izvedenih vprašalnikov v tujih jezikih želeli vključiti vse ustrezne vsebine, da bomo zagotovili vsebinsko in kriterijsko veljavnost našega instrumenta. Vprašalnik smo uporabili na naključnem vzorcu polnoletnih prebivalcev Republike Slovenije. Anketiranci so vprašalnik reševali prek spletnega panela Valicon.

3.1 RAZVOJ IN OBLIKOVANJE VPRAŠALNIKA ZA PREVERJANJE E- ZDRAVSTVENE PISMENOSTI V POVEZAVI S PANDEMJO COVID-19

Vprašalnik je sestavljen iz vprašalnika eHEALS, ki mu sledijo vprašanja po poglavjih glede iskanja, presoje, razumevanja in uporabe informacij v skladu z definicijo zdravstvene pismenosti. Ključni vidiki, ki smo jih želeli preveriti, so: kako znajo poiskati, presoditi, razumeti in uporabiti informacije, povezane z zdravjem, kje iščejo zdravstvene informacije na internetu in kako uspešni so na področju e-zdravstvene pismenosti na podlagi primera.

Vprašalnik smo sestavili na podlagi že prej narejenih raziskav in vprašalnikov (eHEALS-E, HLS-COVID-Q22, HLS-EU-Q47, slovenska anketa med študenti), ki so bili uporabljeni v raziskavah. V vprašalnik smo želeli vključiti eHEALS in različna vprašanja, povezana s pandemijo COVID-19. V stopnji razvoja vprašalnika je bil naš vprašalnik optimiziran na osnovi pilotne raziskave, ki je pripomogla h končni vsebini in obliki vprašalnika.

Vprašalnik je sestavljen iz 4 delov. V prvem delu zajema vse postavke že uveljavljenega eHEALS vprašalnika za merjenje e-zdravstvene pismenosti. Drugi del je sestavljen iz vprašanj o iskanju, razumevanju, presoji in uporabi informacij, pridobljenih na internetu. Ta del temelji na lastni presoji anketirancev, torej na samozaznavni oceni e-zdravstvene pismenosti. V tretjem delu vprašalnika smo s pomočjo naloge preverili e-zdravstveno pismenost anketirancev. Ta del temelji na izvedeni zdravstveni pismenosti, ki smo jo preverjali s pomočjo nalog. Naloga je bila sestavljena iz besedila oz. zgodbe, iz katere lahko anketiranci pridobivajo informacije, ki so potrebne za odgovore na vprašanja. Na podlagi odgovorov smo sklepali na zdravstveno pismenost. Zadnji del vprašalnika vsebuje vprašanja

17

o sociodemografskih podatkih. Sprašujemo po spolu, starosti, dokončani stopnji izobrazbe, osebnem mesečnem neto dohodku, regiji stalnega prebivališča ter poštni številki.

Vprašalnik vsebuje vprašanja zaprtega tipa, saj ima ta tip vprašanj bistvene prednosti pred vprašanji odprtega tipa. Pri vprašanjih zaprtega tipa je potrebnega manj časa za reševanje, manj je potrebno razmišljati, manj je neodgovorjenih vprašanj, bolj enostavna je tudi analiza le-teh (23). Med razvojem vprašalnika smo izvedli pilotno raziskavo na manjšem številu priložnostno izbranih laikov in zdravstvenih delavcev z namenom potrditve ustrezne vsebine, razumljivosti in primernega časa reševanja vprašalnika. Bistvenih sprememb po pilotni raziskavi ni bilo.

3.2 POSTOPEK ZBIRANJA PODATKOV

Raziskava je bila izvedena na naključno izbranem vzorcu polnoletnih prebivalcev RS. Za pridobivanje prostovoljcev smo se povezali z agencijo za raziskovanje javnega mnenja, ki ima že oblikovane spletne panele, Valicon. Za določanje velikosti vzorca smo izhajali iz predhodnih validacijskih raziskav in potrebne velikosti vzorca za izvedbo testov zanesljivosti in veljavnosti. Velikost vzorca je bila izračunana na podlagi zahteve za izvedbo potrditvene faktorske analize, in sicer 10*število postavk, kar v našem primeru pomeni 51 postavk * 10 = 510 izpolnjenih vprašalnikov.

Spletnemu panelu Valicon smo poslali vprašalnik in spremno pismo v elektronski obliki.

Vzorec anketirancev so pripravili oni, saj imajo že vnaprej pripravljene baze uporabnikov spletnih panelov, ki bodo reševali poslane vprašalnike. Izvajanje raziskave je potekalo 2 dni.

V spremnem pismu, ki so ga anketiranci prebrali pred izpolnjevanjem vprašalnika, smo jim opisali tematiko in namen raziskave in jih povabili k sodelovanju. Predstavili smo jim približen časovni okvir reševanja vprašalnika ter omenili pomembnost popolnoma izpolnjenih vprašalnikov. Zagotovljena je bila anonimnost odgovorov. Pri sociodemografskih vprašanjih in vprašanjih, ki se nanašajo na zdravstveno stanje, je bila dodana možnost odgovora Ne želim odgovoriti, v primeru, da so posamezniki čutili, da vprašanje preveč posega v njihovo zasebnost. Udeležba v raziskavi je bila v celoti prostovoljna, anketiranci pa so imeli pravico kadarkoli odkloniti sodelovanje. Pred izvajanjem raziskave smo pridobili soglasje Komisije za medicinsko etiko, kjer smo pridobili oceno etične sprejemljivosti naše raziskave s številko sklepa 0120-378/2021/4 (priloga).

18

3.3 STATISTIČNO VREDNOTENJE PODATKOV

S strani Valicona smo podatke prejeli že v urejeni obliki v statističnem programu IBM®

SPSS® Statistics, različice 28, v kateri smo podatke tudi obdelali za statistično analizo vprašalnika.

Postavke, ki so preverjale e-zdravstveno pismenost, smo vrednotili s pomočjo 5-stopenjske Likertove lestvice od 1 (popolnoma se ne strinjam) do 5 (popolnoma se strinjam). Višja kot je bila skupna končna vrednost odgovorjenih vprašanj, boljša je bila e-zdravstvena pismenost anketiranih. Odgovore pri postavkah odprtega tipa smo opredelili kot pravilne ali nepravilne. V primeru izbire brez odgovora smo odgovor označili kot nepravilen, saj to nakazuje na neznanje anketirancev glede tega elementa.

3.3.1 Psihometrične lastnosti vprašalnika Zanesljivost vprašalnika

Zanesljivost nam pove, koliko dosledna je meritev. Definira, kakšna je stopnja ponovitve enakih rezultatov z neko meritvijo ali postopkom. Meritev je zelo zanesljiva, kadar pod enakimi pogoji vedno pokaže enake ali podobne rezultate (18, 22, 24, 25).

• Cronbachov koeficient α

Za izračun zanesljivosti vprašalnika smo uporabili Cronbachov koeficient α, saj so ga za zanesljivost vprašalnika uporabili tudi v tujih raziskavah. Cronbach α se nanaša na medsebojno povezanost, enakovrednost uporabljenih indikatorjev v instrumentu. Vrednosti α se gibljejo na intervalu od 0 do 1. Višji kot je bil Cronbachov koeficient, višja je bila tudi notranja skladnost. Viri navajajo, da je minimalna sprejemljiva vrednost Cronbach α 0,70, v tem primeru gre za 70 % zanesljivost, pri 30 % pa se pojavi napaka. Tak kriterij smo uporabili tudi mi (18, 22, 26, 27).

Korelacija je merilo povezave med spremenljivkami. S pomočjo Pearsonovih korelacijskih koeficientov smo ugotovili korelacije med posameznimi sklopi vprašalnika. V koreliranih podatkih je sprememba velikosti ene spremenljivke povezana s spremembo velikosti druge spremenljivke, bodisi v pozitivni smeri korelacije, bodisi v negativni smeri korelacije.

Najpogosteje se izraz korelacija uporablja v kontekstu linearnega razmerja med dvema odvisnima spremenljivkama (28).

19

Pearsonov korelacijski koeficient se običajno uporablja za izračun korelacije, pri kateri preverjamo linearno povezavo dveh številskih spremenljivk. Korelacijski koeficienti so razvrščeni tako, da se gibljejo od –1 do +1, kjer 0 pomeni, da ni linearne povezave, razmerje pa postane močnejše in se na koncu približa ravni črti, ko se koeficient približa absolutni vrednosti 1 (28, 29).

Veljavnost vprašalnika

Vsebinsko veljavnost našega vprašalnika smo zagotovili in ovrednotili preko ustreznega raziskovanja vsebine in razvoja vprašalnika na podlagi ustrezne literature predhodno izvedene pilotne raziskave, katero smo izvedli med razvojem vprašalnika. Vsebino smo definirali na podlagi predhodno pregledanih raziskav, ki so vsebovale različne vprašalnike v povezavi z e-zdravstveno pismenostjo v času pandemije COVID-19.

Pri določevanju kriterijske veljavnosti smo preverjali sovpadanje postavk z vnaprej postavljenimi kriteriji. Iskali smo korelacije med vprašalnikom eHEALS in točkami pri ostalih vprašanjih ter korelacije sociodemografskih podatkov in rezultatov točk. Preverjali smo torej sočasno veljavnost, kot kriterij pa uporabili eHEALS in sociodemografske podatke. Za slednje smo se odločili, saj so v večini narejenih raziskav napovedni dejavnik za stopnjo e-zdravstvene pismenosti. V raziskavah sta starost in izobrazba ključna kriterija za vpliv na višino e-zdravstvene pismenosti, zato smo ju kot ključna validacijska kriterija izbrali tudi mi.

Konstruktno veljavnost smo preverjali s potrditveno faktorsko analizo (ang. Confirmatory factor analysis – CFA). Preverjali smo strukturo in ali podatki sledijo tej strukturi.

Vprašalnik je bil sestavljen iz različnih faktorjev, ki smo jim merili koeficiente: iskanje, razumevanje, presojo in uporabo informacij, pridobljenih na internetu. S tem se preveri skladnost navedenih indeksov s preučevanim modelom. Pri tem je bistvenega pomena povezava med spremenljivkami.

Zraven potrditvene faktorske analize poznamo tudi raziskovalno faktorsko analizo (angl. exploratory factor analysis – EFA). CFA se uporablja za preverjanje faktorske strukture raziskovalnega instrumenta, EFA pa za identifikacijo faktorske strukture raziskovalnega instrumenta glede na dobljene podatke. V analizi smo za preverjanje veljavnosti našega vprašalnika uporabili potrditveno faktorsko analizo. Določili smo, katere faktorje bomo z instrumentom merili, izvedli smo 1-faktorsko in 4-faktorsko analizo. 1- faktorski model ima en faktor, to je e-zdravstvena pismenost, 4-faktorski model pa zavzema

20

iskanje, presojo, razumevanje in uporabo informacij. V primeru, da CFA ne bi potrdila omenjenih faktorjev, bi izvedli še EFA (30,31).

Potrditveno faktorsko analizo smo izvedli v programu Amos SPSS. Izračunali smo sledeče vrednosti koeficientov, ki so nam nakazali, kako dobro podatki ustrezajo modelu:

• Kaiser-Mayer-Olkinovo merilo ustreznosti vzorčenja (angl. Kaiser-Meyer- Olkin Measure of Sampling Adequacy – KMO): s tem indeksom preverimo primernost uporabe faktorske analize. Če ta poda visoke vrednosti, in sicer med 0,5 in 1, je faktorska analiza ustrezna. Najprimernejši so rezultati blizu 1 (24).

• Bartlettov test sferičnosti (angl. Bartlett's Test of Sphericity): preverja, ali je uporaba faktorske analiza smiselna. Pomembno je, da se z njim prepričamo, da med danimi spremenljivkami ni nobene statistične odvisnosti. Kadar je p < 0,05, gre za značilne povezave med postavkami in možno faktorsko strukturo. Če je p > 0,05, za postavkami ni faktorske strukture (24).

• Hi – kvadrat χ2: s tem indeksom ocenjujemo prilagajanje in doseg enodimenzionalnih pogojev. Hi kvadrat je odvisen od velikosti vzorca. Model je ustrezen, kadar je vrednost χ2 večja ali enaka 0,05. Če je vrednost manjša od navedene, model ni ustrezen (18).

• χ2/df (df – stopnje prostosti) ali normirani χ2: odvisen je od velikosti vzorca. Gre za boljše prileganje hi kvadrata. Model je ustrezen, ko je vrednost med 0 ≤ χ2/df ≤ 2, gre za dobro prileganje, ter ob vrednostih med 2 < χ2/df ≤ 5, takrat gre za sprejemljivo prileganje (18).

• CFI – indeks prileganja (angl. Comparative Fit Index): s tem najpogosteje ovrednotimo, kako se naši podatki prilegajo modelu. CFI ni odvisen od velikosti modela. Temelj za CFI je porazdelitev hi-kvadrata. Vrednosti CFI indeksa so od 0 do 1, pri 1 gre za popolno prileganje modelu. Ustrezni modeli imajo vrednosti nad 0,9 (30).

• RMSEA – kvadratni koren povprečne napake približka (angl. Root Mean Square Error of Approximation): gre za oceno pomanjkanja prilagoditve popolnemu modelu. To je povprečje med opazovano korelacijo iz vzorca in pričakovanim modelom, ocenjenim na dani populaciji. Vrednost indeksa RMSEA

21

pod 0,60 ustreza modelu, vrednost 0,80 bi bila sprejemljiva, v primeru, kadar je velikost vzorca majhna in kadar vsi ostali indeksi dobro ustrezajo modelu (31).

• GFI – indeks skladnosti (angl. Goodness of Fit Index): indeks ocenjuje, kako dobro se podatki prilegajo modelu v različnih pogojih. Temelji na tem, kako dobro so podatki v modelu napovedani, glede na podatke, ki dejansko ustrezajo modelu.

GFI se giblje med 0 in 1, z vrednostjo nad 0,9 splošno kaže na sprejemljivo prileganje modela (24).

• P-vrednost ali stopnja značilnosti (angl. P-value): pove nam, kakšna je verjetnost, da dobimo naš želen rezultat. Postavimo ničelno in alternativno hipotezo. Ničelna hipoteza pove, da ni povezav med spremenljivkami, medem ko alternativna hipoteza pove, da obstajajo povezave. Kadar je p-vrednost manjša od 0,05, ničelno hipotezo ovržemo. Manjša kot je p-vrednost, večji je dokaz, da v tem primeru ničelno hipotezo lahko ovržemo in med spremenljivkami obstajajo povezave (32).

Za preverjanje veljavnosti vprašalnika smo naredili tudi multiplo linearno regresijo, ki je razširjena verzija enostavne linearne regresije. Pri linearni regresiji je ena odvisna in ena neodvisna spremenljivka. Pri multipli linearni regresiji pa je ena odvisna in dve ali več neodvisnih spremenljivk. Več neodvisnih spremenljivk pomeni več povezav med njimi.

Neodvisne spremenljivke so povezane z odvisno spremenljivko, lahko so pa povezane tudi med seboj, v tem primeru gre za multikolinearnost. Kadar so neodvisne spremenljivke povezane z odvisno, a ne med sabo, v tem primeru neodvisna spremenljivka predstavlja napovedni dejavnik za opazovani pojav, ki je definiran z odvisno spremenljivko (33).

Multipla linearna regresija opisuje večkratno linearno regresijo, statistični pristop, ki se uporablja za opis povezav več spremenljivk z enim skupnim izidom. Pomembni koraki pri uporabi danega pristopa vključujejo oceno in sklepanje, izbiro spremenljivke pri gradnji modela in ocenjevanje primernosti modela (37). V linearnem modelu lahko presodimo, kako dobro se model ujema s podatkom, z izračunom koeficienta determinacije (angl. R square;

R²). Kadar je R² 1,0, pomeni, da se podatki popolnoma ujemajo z linearnim modelom. Vsaka vrednost R², ki je manjša od 1,0, pomeni, da model ne more upoštevati vsaj nekatere variabilnosti podatkov (npr. R² 0,5 pomeni, da 50 % variabilnosti podatkov o rezultatih ni mogoče razložiti z modelom) (38).

22

Regresijski koeficient B pove, za koliko enot se bo zvišala ali znižala odvisna spremenljivka, v našem primeru stopnja e-zdravstvene pismenosti, če se ena izmed neodvisnih spremenljivk (spol, starost, stopnja dokončane izobrazbe, osebni neto mesečni prihodek, velikost naselja) zviša za eno enoto, pri tem pa vrednost ostalih neodvisnih spremenljivk ostane nespremenjena. Ali sta odvisna in neodvisna spremenljivka v pozitivni ali negativni korelaciji, je odvisno od predznaka pri oceni regresijskega koeficienta. Kadar gre za pozitivno korelacijo, je predznak pozitiven, kadar gre pa za negativno, pa negativen (41). Zraven regresijskega koeficienta B je podan interval zaupanja. V našem primeru smo vrednosti parametrov ocenili z vzorčno vrednostjo, gre za točkovno oceno, ki je nezanesljiva. Zaradi nezanesljivosti določimo interval zaupanja, v katerem je z določeno stopnjo zaupanja zastopan posamezen parameter (24).

Naslednji indeks, ki smo ga pregledali v multipli linearni regresiji, je p-vrednost ali stopnja značilnosti. Uporabljamo jo za preverjanje statistične značilnosti povezave med neodvisno in odvisno spremenljivko. V primeru, da rezultati pokažejo statistično pomembne razlike pri stopnji značilnosti 0,05, lahko zaupamo rezultatom, da te statistične razlike obstajajo (40).

V zadnjem delu vprašalnika smo želeli preveriti dejansko e-zdravstveno pismenost s pomočjo naloge. Anketiranci so na vprašanja odgovarjali z da, ne in brez odgovora, obkrožili enega ali več pravilnih odgovorov ter pri šestem vprašanju razvrščali vire od najbolj do najmanj zanesljivega. Pri analizi smo vsakemu pravilnemu odgovoru pripisali 1 točko, vsem ostalim odgovorom pa 0. Največje možno število prejetih točk na posameznika je 14. Naredili smo korelacijo med točkami, s katerimi so se anketiranci sami ocenili, in tistimi točkami, ki so jih anketiranci pri reševanju naloge prejeli v sklopu dejanske e- zdravstvene pismenosti. Korelacija je zajemala dejansko e-zdravstveno pismenost, katero smo ocenili s pomočjo naloge in točk, ki so jih anketiranci prejeli v posameznih sklopih (iskanje, razumevanje, presoja in uporaba informacij) ter celotno vrednostjo vseh sklopov skupaj.

3.3.2 Sociodemografske značilnosti anketirancev

Sociodemografske značilnosti anketirancev odločilno vplivajo na reprezentativnost vzorca.

Na podlagi različnih sociodemografskih podatkov lahko anketirance razdelimo v posamezne skupine, kot so na primer starostni razredi, jih primerjamo med seboj in opisujemo razlike, do katerih prihaja med primerjanimi skupinami.

23

V vprašalniku smo spraševali po spolu, starosti, stopnji dokončane izobrazbe, osebnim mesečnim neto dohodkom, regiji prebivališča in poštni številki.

Zanimale so nas vse povezave med e-zdravstveno pismenostjo in navedenimi sociodemografskimi podatki. Za preverjanje teh povezav smo uporabili multiplo linearno regresijo.

3.3.3 Zdravstvena pismenost v povezavi s pandemijo COVID-19

E-zdravstveno pismenost vseh udeležencev smo izmerili s seštevkom točk, ki smo jih pridobili iz vseh odgovorov, merjenih po 5-stopenjski Likertovi lestvici – od 1 točke do 5 točk pri posameznem vprašanju. Vsak anketiranec je torej po koncu reševanja vprašalnika skupaj zbral določeno število pridobljenih točk. Vprašalnik je vseboval 33 vprašanj, ki so jih sodelujoči ovrednotili od 1 do 5, torej je vrednost intervala točk znašala od 33 do 165 točk. Več točk kot je posameznik dosegel, višja je bila njegova e-zdravstvena pismenost.

Prvi del vprašalnika je vseboval vprašalnik eHEALS, s katerim smo primerjali tudi posamezne domene, ki so vsebovale vprašanja o iskanju, razumevanju, presoji in uporabi informacij. Rezultate posameznih domen (iskanje, razumevanje, presoja in uporaba) smo primerjali med seboj in ugotavljali, v uporabi katerih spretnosti e-zdravstvene pismenosti se udeleženci počutijo manj ali bolj samozavestne. Zadnji del vprašalnika je vseboval nalogo, ki je preverjala dejansko e-zdravstveno pismenost. Rezultate rešene naloge smo primerjali z rezultati o samozaznavi e-zdravstvene pismenosti in iskali korelacije med domenami.

3.3.3.1 Napovedni dejavniki

Spol, starost, stopnja dokončane izobrazbe, osebni mesečni neto dohodek, regija prebivališča in poštna številka so sociodemografski podatki, ki vplivajo na rezultate, zato delujejo kot napovedni dejavniki. Glavni napovedni dejavnik v tujih raziskavah je bila starost, zato smo jo tudi mi uporabili kot validacijski kriterij. S pomočjo multiple linearne regresijske analize smo preverili, kako spol, starost, izobrazba, osebni neto mesečni dohodek, regija prebivališča in kraj vplivajo na stopnjo e-zdravstvene pismenosti, ki je predstavljala odvisno spremenljivko. Multiplo linearno regresijo smo izvedli v programu SPSS.

24

4 REZULTATI IN RAZPRAVA

Z našim vprašalnikom smo želeli identificirati nivo e-zdravstvene pismenosti v času pandemije COVID-19, zato smo izhajali iz vprašalnika eHEALS. Ker nas je zanimala širša vsebina vsake postavke v danem vprašalniku, smo našemu dodali podskupine, v katerih smo se osredotočili na posamezna znanja, ki so potrebna za e-zdravstveno pismenost. Prvi del vprašalnika zavzema eHEALS, sledijo mu sklopi vprašanj, povezani z iskanjem, razumevanjem, presojo in uporabo informacij. Na podlagi naloge smo v zadnjem delu vprašalnika preverili dejansko e-zdravstveno pismenost anketirancev v primerjavi s samozaznavno, ki so jo opisovali v predhodnih sklopih vprašalnika. Na koncu vprašalnika smo spraševali po sociodemografskih podatkih, ki so pomembni pri obravnavi in korelacijah med odgovori. Vprašalnik je vseboval 51 postavk.

• eHEALS

V prvem delu vprašalnika smo anketirance povprašali o splošni e-zdravstveni pismenosti, ki smo jo v naslednjih sklopih razdelili na iskanje informacij, razumevanje informacij, presojo informacij in uporabo pridobljenih informacij. eHEALS je merilo splošne e-zdravstvene pismenosti iz 8 postavk, razvito za merjenje znanja, udobja in spretnosti potrošnikov pri iskanju, ocenjevanju in uporabi elektronskih zdravstvenih informacij pri zdravstvenih težavah. Vsaka postavka eHEALS uporablja 5-stopenjsko Likertovo lestvico za odgovor na vsako vprašanje z možnostmi odziva od popolnoma se strinjam do popolnoma se ne strinjam. To lestvico smo obdržali tudi pri sklopih vprašanj, povezanih z iskanjem, razumevanjem, presojo in uporabo informacij.

• ISKANJE INFORMACIJ

Drugi del vprašalnika, ki je vseboval 7 postavk, je sestavljen iz vprašanj, ki zajemajo iskanja informacij na internetu. Spraševali smo jih o poznavanju mest za iskanje informacij o pandemiji COVID-19, o iskanju informacij o preventivnih ukrepih, znakih okužbe in cepljenju ter o pogostosti iskanja danih informacij.

• RAZUMEVANJE INFORMACIJ

V tretjem delu vprašalnika, ki je vseboval 7 postavk, smo preverjali razumevanje informacij iz različnih spletnih mest, ki jih anketiranci obiskujejo. Spraševali smo jih po razumevanju

25

informacij glede preventivne zaščite in cepljenja, ki jih pridobivajo s strani zdravstvene stroke, medijev in socialnih omrežij. V tem sklopu je tudi pomembno razumevanje strokovnih izrazov.

• PRESOJA INFORMACIJ

Četrti del vprašalnika, ki je vseboval 7 postavk, je zajemal vprašanja o presoji pridobljenih informacij. Gre za lastno presojo informacij in dejanj, povezanih s pandemijo. Spraševali smo tudi o tem, katere informacije so za posameznike pri presoji pomembne in kako suvereni so pri presoji. V primerjavi z razumevanjem gre v tem sklopu za lastno mnenje o pridobljenih informacijah, torej ali so za posameznike koristne in se bodo ravnali v skladu s pridobljenimi informacijami.

• UPORABA INFORMACIJ

V petem delu, ki vsebuje 4 postavke, nas je zanimala uporaba pridobljenih informacij glede ukrepov in navodil medijev ter stroke na internetu – za zaščito pred okužbo – in informacij o cepljenju.

• VIRI INFORMACIJ

Šesti del vprašalnika smo oblikovali z namenom, da bi ugotovili, kako pogosto udeleženci iščejo informacije na različnih spletnih mestih, torej katerim najbolj zaupajo in za katere menijo, da so najbolj zanesljivi.

• NALOGA

S pomočjo naloge smo ugotavljali povezavo med samozaznavno e-zdravstveno pismenostjo in dejansko e-zdravstveno pismenostjo. V zgodbi, ki je sestavni del naloge za iskanje informacij, smo postavili scenarij pacienta, ki smo ga na kratko predstavili in postavili vprašanja, ki so se navezovala na zgodbo. Pri vsakem vprašanju so bili vnaprej pripravljeni odgovori, med katerimi so se anketiranci odločali. Odgovore smo točkovali kot pravilne in napačne ter na podlagi končnega rezultata primerjali uspešnost rešene naloge s samozaznavno e-zdravstveno pismenostjo, ki so jo navedli v sklopih eHEALS, iskanja, razumevanja, presoje in uporabe informacij.