DOI: https://doi.org/10.3389/fdgth.2025.1555436
PMID: https://pubmed.ncbi.nlm.nih.gov/41112210
تاريخ النشر: 2025-10-03
المؤلف: Radwan Qasrawi وآخرون
الموضوع الرئيسي: محو الأمية الصحية وإمكانية الوصول إلى المعلومات
نظرة عامة
تستكشف هذه الدراسة تأثير محو الأمية الصحية الرقمية على ممارسات وإجراءات إدارة الصحة في منطقة الشرق الأوسط وشمال إفريقيا (MENA) العربية، حيث تشكل الفجوات في الوصول إلى التكنولوجيا والبنية التحتية للرعاية الصحية تحديات كبيرة. باستخدام مسح مقطعي شمل 12,522 مستجيبًا من عشرة دول عربية، تستخدم البحث تقنيات النمذجة التنبؤية، بما في ذلك الانحدار المتعدد الحدود ونماذج التعلم الآلي مثل CatBoost وغابة عشوائية، لتحديد العوامل الرئيسية التي تؤثر على نتائج الصحة. تكشف النتائج أن CatBoost حقق دقة تنبؤية بنسبة 97.8%، مما يعكس العلاقات المعقدة، وحددت خمسة عوامل حاسمة: الوصول المحدود إلى الإنترنت، الوصول المقيد إلى خدمات الصحة، الثقة في موارد الصحة المعتمدة على الذكاء الاصطناعي، استخدام أدوات مراقبة الصحة، واستهلاك المعلومات الصحية عبر وسائل التواصل الاجتماعي.
تؤكد الدراسة على أهمية معالجة العوامل الرقمية في إدارة الصحة للتخفيف من الفجوات الصحية الإقليمية. تدعو إلى تعزيز محو الأمية الصحية الرقمية والوصول إلى أدوات الصحة الرقمية من خلال استراتيجيات الصحة العامة المستهدفة. تشمل التوصيات لصانعي السياسات تعزيز الاستخدام المسؤول للأدوات الرقمية، وتنظيم ورش عمل لمحو الأمية الصحية الرقمية في المجتمع، ونشر وحدات الوصول الصحي المتنقلة، ودمج محو الأمية الصحية الرقمية في المناهج الدراسية. من خلال التركيز على هذه المبادرات، تهدف الدراسة إلى تعزيز الشمول الرقمي وتحسين نتائج الصحة، لا سيما في المجتمعات المحرومة، مع تشجيع الدراسات المستقبلية لاستكشاف التأثيرات طويلة الأمد لمحو الأمية الرقمية والتأثيرات الثقافية على سلوكيات الصحة في المنطقة.
مقدمة
تناقش مقدمة ورقة البحث مفهوم العوامل الرقمية للصحة (DDoH)، والتي تشمل مجموعة من العوامل التكنولوجية التي تؤثر على صحة الأفراد وتجارب الرعاية الصحية. تشمل المكونات الرئيسية لـ DDoH الوصول الرقمي، والتكلفة، ومحو الأمية، وفقر البيانات، وكلها تؤثر بشكل كبير على نتائج الصحة. تشير الدراسات إلى أن ارتفاع محو الأمية الصحية الرقمية يرتبط بتحسين إدارة الصحة والرفاه النفسي، بينما تزيد الفجوات في الوصول الرقمي من عدم المساواة الصحية القائمة، لا سيما في منطقة الشرق الأوسط وشمال إفريقيا (MENA) العربية. تشكل الفجوة الرقمية، التي تتسم بعدم المساواة في الوصول إلى التكنولوجيا ومستويات مختلفة من محو الأمية الرقمية، حواجز كبيرة أمام تقديم الرعاية الصحية والرفاه العام.
تؤكد الورقة على دور العوامل الثقافية في تشكيل العلاقة بين DDoH ونتائج الصحة، مشيرة إلى أن المواقف الثقافية يمكن أن تسهل أو تعيق اعتماد أدوات الصحة الرقمية. على الرغم من الاستخدام العالي لوسائل التواصل الاجتماعي في منطقة MENA، إلا أن الثقة في هذه المنصات منخفضة، مما قد يؤدي إلى معلومات مضللة وسلوكيات صحية سلبية، لا سيما بين الفئات الشابة. كما تبرز المقدمة إمكانية استخدام التعلم الآلي (ML) كأداة لتحليل العلاقات المعقدة بين العوامل الرقمية ونتائج الصحة، لا سيما في المناطق التي قد تفشل فيها الأساليب الإحصائية التقليدية. تهدف هذه الدراسة إلى الاستفادة من تقنيات ML لاستكشاف كيفية تأثير العوامل الرقمية على نتائج الصحة في دول MENA العربية، مما يساهم في استراتيجيات الصحة العامة الأكثر فعالية المصممة لتحديات المنطقة الفريدة.
الطرق
يستعرض قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح اختيار المواد، بما في ذلك الكواشف والمعدات المحددة، ويصف البروتوكولات المتبعة لضمان إمكانية إعادة الإنتاج. تشمل المنهجية كلاً من الأساليب النوعية والكمية، مع تسليط الضوء على التقنيات المستخدمة لجمع البيانات وتحليلها.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات حول أحجام العينات، وظروف التحكم، والأساليب الإحصائية المطبقة لتفسير النتائج. من خلال تقديم حساب واضح ومنهجي للطرق، يؤسس هذا القسم الأساس لنتائج الدراسة ويدعم صحة الاستنتاجات المستخلصة.
المناقشة
استخدمت الدراسة مسحًا مقطعيًا للتحقيق في العوامل الرقمية للصحة عبر عشرة دول عربية في منطقة MENA، مع التركيز على تأثير محو الأمية الرقمية على ممارسات وإجراءات إدارة الصحة. تم جمع البيانات من 12,522 مستجيبًا من خلال استبيان عبر الإنترنت منظم، مما يضمن التمثيل مع هدف 200-300 استجابة لكل دولة. تم تأسيس صلاحية الاستبيان من خلال مراجعة الخبراء واختبار تجريبي. تم الحصول على الموافقة الأخلاقية، وتم تأمين الموافقة المستنيرة من المشاركين. شمل معالجة البيانات ترميز المتغيرات الفئوية، ومعالجة القيم المفقودة عبر تعويض الوضع، واستخدام تقنية SMOTE-ENN لمعالجة تحيز العينة، مما يضمن مجموعة بيانات قوية للتحليل.
استخدم التحليل الإحصائيات الوصفية والانحدار اللوجستي المتعدد الحدود لاستكشاف العلاقات بين المتنبئين المختلفين، مثل العمر، والجنس، والتعليم، والوصول إلى الإنترنت، ونتائج إدارة الصحة. تم تطبيق نماذج التعلم الآلي، بما في ذلك آلات الدعم الناقل، والغابات العشوائية، وCatBoost، للتنبؤ بتأثير محو الأمية الصحية الرقمية. قامت الدراسة بتفكيك مشكلة التصنيف إلى مهام ثنائية لتعزيز القابلية للتفسير، مع التركيز على التأثيرات الإيجابية والسلبية بشكل منفصل. أشارت النتائج إلى أن العوامل الديموغرافية، وموثوقية الإنترنت، والثقة في الأدوات الرقمية أثرت بشكل كبير على نتائج إدارة الصحة. من الجدير بالذكر أن الثقة في تطبيقات الذكاء الاصطناعي ظهرت كمتنبئ حاسم للتأثيرات الصحية الإيجابية، بينما ارتبط الوصول المحدود إلى خدمات الصحة والإنترنت غير الموثوق به بالنتائج السلبية. تؤكد النتائج على التفاعل المعقد بين محو الأمية الرقمية وإدارة الصحة في منطقة MENA العربية، مما يبرز الحاجة إلى تدخلات مستهدفة لتحسين نتائج الصحة من خلال تعزيز محو الأمية الرقمية.
القيود
تساهم هذه الدراسة بشكل كبير في فهم محو الأمية الصحية الرقمية في عشرة دول عربية في منطقة MENA، وهي منطقة غالبًا ما يتم تجاهلها في الأبحاث العالمية. من خلال استخدام كل من الأساليب الإحصائية التقليدية ونماذج التعلم الآلي، تكشف البحث عن أنماط معقدة، مثل الدور الحاسم للثقة في تطبيقات الذكاء الاصطناعي، والتي قد تتجاهلها النماذج التقليدية. يعزز استخدام التحقق المتقاطع موثوقية النتائج عبر مجموعات سكانية متنوعة.
ومع ذلك، تحتوي الدراسة على قيود ملحوظة. تصميمها المقطعي يثبت فقط الارتباطات بدلاً من السببية، مما يترك أسئلة غير مجابة حول ما إذا كان محو الأمية الصحية الرقمية يحسن نتائج الصحة أو إذا كان الأفراد الذين يتمتعون بمهارات جيدة في إدارة صحتهم أكثر ميلًا لاستخدام الأدوات الرقمية. بالإضافة إلى ذلك، فإن الاعتماد على البيانات المبلغ عنها ذاتيًا يقدم احتمالية عدم الدقة، حيث قد يبالغ الأفراد في تقدير كفاءاتهم الرقمية أو سلوكياتهم الصحية. ستستفيد الأبحاث المستقبلية من دمج بيانات الاستخدام الموضوعي واستكشاف الفروق الثقافية من خلال دراسات نوعية لفهم أفضل للتفاعل مع موارد الصحة الرقمية.
DOI: https://doi.org/10.3389/fdgth.2025.1555436
PMID: https://pubmed.ncbi.nlm.nih.gov/41112210
Publication Date: 2025-10-03
Author(s): Radwan Qasrawi et al.
Primary Topic: Health Literacy and Information Accessibility
Overview
This study investigates the impact of digital health literacy on health management practices and outcomes in the Arab Middle East and North Africa (MENA) region, where disparities in technology access and healthcare infrastructure pose significant challenges. Utilizing a cross-sectional survey of 12,522 respondents from ten Arab countries, the research employs predictive modeling techniques, including multinomial regression and machine learning models such as CatBoost and Random Forest, to identify key determinants influencing health outcomes. The findings reveal that CatBoost achieved a predictive accuracy of 97.8%, effectively capturing complex relationships, and identified five critical determinants: limited internet access, restricted health service access, confidence in AI health resources, health monitoring tool usage, and social media health information consumption.
The study emphasizes the importance of addressing digital determinants in health management to mitigate regional health disparities. It advocates for enhancing digital health literacy and access to digital health tools through targeted public health strategies. Recommendations for policymakers include promoting responsible use of digital tools, organizing community-based digital health literacy workshops, deploying mobile health outreach units, and integrating digital health literacy into school curricula. By focusing on these initiatives, the research aims to foster digital inclusion and improve health outcomes, particularly in underserved communities, while also encouraging future studies to explore the long-term effects of digital literacy and cultural influences on health behaviors in the region.
Introduction
The introduction of the research paper discusses the concept of Digital Determinants of Health (DDoH), which encompass various technological factors that influence individual health and healthcare experiences. Key components of DDoH include digital accessibility, affordability, literacy, and data poverty, all of which significantly impact health outcomes. Studies indicate that higher digital health literacy correlates with improved health management and psychological well-being, while disparities in digital access exacerbate existing health inequities, particularly in the Arab Middle Eastern and North African (MENA) region. The digital divide, characterized by unequal access to technology and varying levels of digital literacy, poses significant barriers to healthcare delivery and overall well-being.
The paper emphasizes the role of cultural factors in shaping the relationship between DDoH and health outcomes, noting that cultural attitudes can either facilitate or hinder the adoption of digital health tools. Despite high social media usage in the MENA region, trust in these platforms is low, which can lead to misinformation and adverse health behaviors, particularly among younger populations. The introduction also highlights the potential of machine learning (ML) as a tool for analyzing complex relationships between digital determinants and health outcomes, particularly in regions where traditional statistical methods may fall short. This study aims to leverage ML techniques to explore how digital determinants influence health outcomes in Arab MENA countries, contributing to more effective public health strategies tailored to the region’s unique challenges.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the selection of materials, including specific reagents and equipment, and describes the protocols followed to ensure reproducibility. The methodology encompasses both qualitative and quantitative approaches, highlighting the techniques used for data collection and analysis.
Additionally, the section may include information on sample sizes, control conditions, and statistical methods applied to interpret the results. By providing a clear and systematic account of the methods, this section establishes the foundation for the study’s findings and supports the validity of the conclusions drawn.
Discussion
The study employed a cross-sectional survey to investigate the digital determinants of health across ten Arab countries in the MENA region, focusing on the influence of digital literacy on health management practices and outcomes. Data were collected from 12,522 respondents through a structured online questionnaire, ensuring representation with a target of 200-300 responses per country. The questionnaire’s validity was established through expert review and pilot testing. Ethical approval was obtained, and informed consent was secured from participants. Data preprocessing involved encoding categorical variables, handling missing values via mode imputation, and employing the SMOTE-ENN technique to address sampling bias, ensuring a robust dataset for analysis.
The analysis utilized descriptive statistics and multinomial logistic regression to explore relationships between various predictors, such as age, gender, education, and internet access, and health management outcomes. Machine learning models, including support vector machines, random forests, and CatBoost, were applied to predict the impact of digital health literacy. The study decomposed the classification problem into binary tasks to enhance interpretability, focusing on positive and negative impacts separately. Results indicated that demographic factors, internet reliability, and confidence in digital tools significantly influenced health management outcomes. Notably, confidence in AI applications emerged as a critical predictor of positive health impacts, while limited access to health services and unreliable internet were associated with negative outcomes. The findings underscore the complex interplay between digital literacy and health management in the Arab MENA region, highlighting the need for targeted interventions to improve health outcomes through enhanced digital literacy.
Limitations
This study significantly contributes to the understanding of digital health literacy in ten Arab MENA countries, an area frequently neglected in global research. By employing both traditional statistical methods and machine learning models, the research reveals intricate patterns, such as the critical role of confidence in AI applications, which conventional models may overlook. The use of cross-validation enhances the reliability of the findings across diverse populations.
However, the study has notable limitations. Its cross-sectional design only establishes associations rather than causality, leaving unanswered questions about whether digital health literacy improves health outcomes or if individuals already adept at managing their health are more inclined to utilize digital tools. Additionally, the reliance on self-reported data introduces potential inaccuracies, as individuals may misestimate their digital competencies or health behaviors. Future research would benefit from incorporating objective usage data and exploring cultural differences through qualitative studies to better understand engagement with digital health resources.