ЦИФРОВА ГРАМОТНІСТЬ ЩОДО ЗДОРОВʼЯ ТА ПРАКТИКИ ОЦІНЮВАННЯ МЕДИЧНОЇ ІНФОРМАЦІЇ СЕРЕД ДОРОСЛИХ КОРИСТУВАЧІВ ІНТЕРНЕТУ В УКРАЇНІ: РЕЗУЛЬТАТИ КРОС-СЕКЦІЙНОГО ОНЛАЙН-ОПИТУВАННЯ
DOI:
https://doi.org/10.32782/2786-7684/2026-3-26Ключові слова:
цифрова грамотність щодо здоровʼя, інструмент DHLI, штучний інтелект, самодіагностика, дезінформація, верифікація медичної інформації, спосіб життя, дорослі користувачі інтернету, УкраїнаАнотація
Пошук медичної інформації в інтернеті та консультації з ШІ-чат-ботами стали для більшості людей звичною практикою. Однак рівень цифрової грамотності щодо здоровʼя (digital health literacy) у різних популяціях суттєво відрізняється, а даних про цю грамотність серед дорослого населення України досі немає. Мета дослідження: оцінити рівень цифрової грамотності щодо здоровʼя дорослих користувачів інтернету в Україні за повною структурою інструменту Digital Health Literacy Instrument (DHLI). Додатковими завданнями було дослідити практики використання штучного інтелекту для самодіагностики, способи верифікації медичної інформації, а також звʼязок цифрової активності зі сферами способу життя. Матеріали та методи. Проведено крос-секційне онлайн-анкетування 412 дорослих респондентів (52,9% чоловіків, 47,1% жінок; вік M=32,1, SD=9,2) методом снігової кулі та за зручністю. Використано адаптований інструмент DHLI (7 субшкал, 21 пункт), доповнений блоками щодо використання штучного інтелекту, верифікації інформації та впливу цифрових ресурсів на спосіб життя. Статистичну обробку виконано в IBM SPSS Statistics: описова статистика, кореляційний аналіз Пірсона, t-критерій Стьюдента для незалежних вибірок, критерій χ² Пірсона з мірою Крамера, множинна лінійна регресія, коефіцієнт Кронбаха. Результати та їх обговорення. Загальний бал цифрової грамотності становив M=3,09 (SD=0,59) за шкалою 1–4, що практично збігається з результатом оригінального валідаційного дослідження інструмента (M=3,11). Усі субшкали продемонстрували прийнятну– відмінну надійність (α=0,746–0,924). Найслабшою навичкою виявилась критична оцінка інформації: 47,6% респондентів вважають важким визначити надійність джерела, а 45,9% – його комерційний характер. Вік (r=−0,453, p<0,001) та рівень освіти (t=11,36, p<0,001) підтвердились як стійкі асоційовані чинники грамотності, узгоджуючись із міжнародними даними. У множинній регресії модель пояснила 46,1% дисперсії загального бала; незалежними предикторами виявились вік, вища освіта, проживання у великому місті та частота пошуку інформації. Регулярно використовують штучний інтелект для самодіагностики 30,8% респондентів. Виявлено статистично значущий звʼязок між використанням ШІ та досвідом введення в оману цифровою інформацією (χ²=69,87, df=6, p<0,001, Cramérʼs V=0,29): 76,4% регулярних користувачів ШІ проти 31,6% тих, хто його не використовує. Самооцінюваний вплив цифрових ресурсів на спосіб життя виявився вибірковим і амбівалентним. Найбільша користь спостерігалась у своєчасному зверненні до лікаря (69,4%) та профілактичних оглядах (66,0%), тоді як сон і психоемоційний стан лишились найсуперечливішими сферами впливу. Висновки. Середній загальний бал цифрової грамотності щодо здоровʼя серед дорослих користувачів інтернету в Україні становив 3,09±0,59 за 4-бальною шкалою DHLI. Найслабшою ланкою виявилась критична оцінка інформації, а не технічна робота з пристроями. Використання штучного інтелекту для самодіагностики є масовою практикою, асоційованою з частішими повідомленнями про досвід введення в оману, що, ймовірно, відображає загальну інтенсивність цифрової активності. Отримані результати обґрунтовують потребу цільових програм цифрової гігієни та медіаграмотності, орієнтованих на розвиток критичного мислення, особливо серед осіб старшого віку та з нижчим рівнем освіти
Посилання
Piltch-Loeb R, Wyka K, White TM, Ratzan SC, Rabin K, Ivic RK, et al. A global survey on trust, digital health literacy and health information quality. Nature Health. 2026:1-10. https://doi.org/10.1038/s44360-026-00102-4
Levin-Zamir D, Van den Broucke S, Bíró É, Bøggild H, Bruton L, De Gani SM, et al. Measuring digital health literacy and its associations with determinants and health outcomes in 13 countries. Front Public Health. 2025;13:1472706. https://doi.org/10.3389/fpubh.2025.1472706
Mudge GH, Vilenskyi A, Kumar U, Kohli M. The future of Ukrainian healthcare: the digital opportunity. J Glob Health. 2025;15:03039. https://doi.org/10.7189/jogh.15.03039
Aleksandrenko H, Shevchenko M, Chervak O. Digital health intervention reconnects war-affected people living with HIV to healthcare: Ukraine case study. Oxford Open Digit Health. 2025;3:oqaf001. https://doi.org/10.1093/oodh/oqaf001
Chik VM. Navychky krytychnoi otsinky medychnoho onlain-kontentu yak komponent tsyfrovoi hramotnosti shchodo zdorovia dorosloho naselennia. In: Materialy IX Vseukrainskoi naukovo-praktychnoi konferentsii z mizhnarodnoiu uchastiu «Poltavski dni hromadskoho zdorovia»; 2026 May 29; Poltava. Poltava: PDMU; 2026. p. 272-77.
Sharma A, Minh Duc NT, Luu Lam Thang T, Nam NH, Ng SJ, Abbas KS, et al. A consensus-based checklist for reporting of survey studies (CROSS). J Gen Intern Med. 2021;36(10):3179-87. https://doi.org/10.1007/s11606-021-06737-1
van der Vaart R, Drossaert C. Development of the digital health literacy instrument: measuring a broad spectrum of health 1.0 and health 2.0 skills. J Med Internet Res. 2017;19(1):e27. https://doi.org/10.2196/jmir.6709
Olsen Q, Dyda A, Woods L, Lobo E, Eden R, Krahe MA, et al. Worldwide willingness to share health data high but privacy, consent and transparency paramount, a meta-analysis. NPJ Digit Med. 2025;8:540. https://doi.org/10.1038/s41746-025-01868-9
Shahsavar Y, Choudhury A. User intentions to use ChatGPT for self-diagnosis and health-related purposes: cross-sectional survey study. JMIR Hum Factors. 2023;10(1):e47564. https://doi.org/10.2196/47564
Sillence E, Branley-Bell D, Moss M, Briggs P. A model of trust in online COVID-19 information and advice: crosssectional questionnaire study. JMIR Infodemiology. 2025;5:e59317. https://doi.org/10.2196/59317
Miezah D, Adzakpa R, Bani EMA, Obeng P. Prevalence and associated factors of cyberchondria: a scoping review. Sci World J. 2026;2026:9950027. https://doi.org/10.1155/tswj/9950027
Mahajan A, Gilbert S. Do we need AI guardians to protect us from health information overload? NPJ Digit Med. 2025;8:632. https://doi.org/10.1038/s41746-025-02093-0
Zhong L, Cao J, Xue F. The paradox of convenience: how information overload in mHealth apps leads to medical service overuse. Front Public Health. 2024;12:1408998. https://doi.org/10.3389/fpubh.2024.1408998
Omar M, Sorin V, Collins JD, Reich D, Freeman R, Gavin N, et al. Multi-model assurance analysis showing large language models are highly vulnerable to adversarial hallucination attacks during clinical decision support. Commun Med. 2025;5(1):330. https://doi.org/10.1038/s43856-025-01021-3
Tong HL, Maher C, Parker K, Pham TD, Neves AL, Riordan B, et al. The use of mobile apps and fitness trackers to promote healthy behaviors during COVID-19: a cross-sectional survey. PLOS Digit Health. 2022;1(8):e0000087. https://doi.org/10.1371/journal.pdig.0000087
van der Vaart R, Tuitert I, van ʼt Veer J, Drossaert C. Validation of the updated digital health literacy instrument and development of a short form. J Med Internet Res. 2026;28:e86879. https://doi.org/10.2196/86879
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.





