Hintergrund: Chronische Erkrankungen stellen weltweit die häufigsten Todesursachen dar, denen durch Gesundheitsverhalten wie körperliche Aktivität oder Inanspruchnahme von Vorsorgeuntersuchungen entgegengewirkt werden kann. Die Gesundheitskompetenz mündiger Patienten stellt damit eine Schlüsselkompetenz für die Bereiche Gesundheitsförderung, Prävention und Krankheitsbewältigung dar, deren Facetten jedoch ungenügend beleuchtet sind. Ziel der vorliegenden Arbeit war es, patientenbezogene Faktoren nach dem konzeptuellen Modell der Gesundheitskompetenz (adaptiert, Paasche-Orlow und Wolf, 2007: (a) Gesundheitswissen, (b) Quellen von Gesundheitsinformationen, (c) Nutzung von Gesundheits-Apps) zu identifizieren und Gesundheitsindikatoren in Beziehung zu setzen. Methoden: Die Untersuchung wurde auf Grundlage einer populationsbasierten Querschnittserhebung der deutschen Bevölkerung (N=4144; stratifiziert nach Alter, Geschlecht, Bildung und Bundesland) ab 35 Jahren durchgeführt (Rücklaufquote 55%). Die Befragung erfolgte als Hausbesuch in Form von computergestützte persönliche Interviews (CAPI). Anhand standardisierter Fragebögen wurden Daten zur Soziodemografie, mobiler Technologienutzung, gesundheitsbezogene Indikatoren, Gesundheitskompetenz (HLS-16), Gesundheitswissen sowie Nutzung gesundheitsbezogener Informationsquellen erfasst und mithilfe adjustierter logistischer und linearer Regressionsmodelle ausgewertet. Ergebnisse: (a) Für das Gesundheitswissen von Personen mit und ohne chronische Erkrankungen ergab sich, dass Betroffene mit Erkrankungen der Atemwege und des Bewegungsapparates einen besseren Wissensstand hatten, als nichterkrankte Vergleichspersonen. Niedrigere Wissenswerte fanden sich bei Personen mit chronischen Schmerzen sowie keine Wissensdifferenzen bei Personen, die an Herz-Kreislauf-Erkrankungen und Depressionen litten, verglichen mit Personen ohne diese Erkrankungen. (b) Als relevante Quellen von Gesundheitsinformationen wurden Allgemeinmediziner (72.1%), Fachärzte (39.5%), Apotheker (31.6%) und Internet (31.5%) von den Befragten genannt. Faktoren wie Alter, Anzahl der Krankheiten sowie Handlungsplanung Selbstwirksamkeit für den Erwerb von Gesundheitswissen stehen dabei im Zusammenhang mit der gewählten Informationsquelle zu gesundheitsrelevanten Themen. (c) Zur Nutzung von Gesundheits-Apps wurden 61.3% der Befragten als Smartphone-Nutzer klassifiziert – davon nutzten 20.5% Gesundheits-Apps (Rauchentwöhnung (44.5%), ausgewogene Ernährung (38.6%), Gewichtsreduktion (23.2%) mit den App-Eigenschaften Planung (50.7%), Erinnerung (36.1%), Motivation (34.4%) und Bereitstellung von Informationen (33.6%)). Die Analysen ergaben multivariate Zusammenhänge zwischen der Smartphone-Nutzung bzw. Gesundheits-Apps und Alter, Berufstätigkeit, Bildung, Migrationshintergrund, chronischen Erkrankungen, körperliche Aktivität, fettarme Ernährung, gesundheitsbezogene Lebensqualität, Gesundheitskompetenz und Internetrecherche. Weiter wurden Zusammenhänge zwischen Planung und körperlicher Aktivität, Feedback oder Überwachung/Monitoring und körperliche Aktivität sowie zwischen Feedback oder Überwachung und Einhaltung der ärztlichen Empfehlung festgestellt. Diskussion: Die vorgestellte Untersuchung liefert populationsbasierte Befunde zu Gesundheitskompetenz und Gesundheitswissen, der Wahl von Gesundheitsinformationsquellen und der Nutzung mobiler Gesundheitstechnologien. Sie leistet einen empirischen Beitrag zum besseren Verständnis des mündigen, gesundheitskompetenten Bürgers als Schlüsselfigur in unserm Gesundheitssystem. Die hier gefundenen altersassoziierten, sozioökonomischen und gesundheitsrelevanten Unterschiede gilt es bezüglich der Stärkung von Gesundheitskompetenz sowie weiterer Erarbeitung von Interventionen zu berücksichtigen.
Background: Chronical diseases are the most common cause of death globally, although they can be prevented through health-relevant behaviours. Health literacy (HL) of responsible patients therefore constitutes a key competency to promote health via prevention and curing diseases. However, our understanding of HL is still limited. This work aims to identify patient-specific factors according to the conceptual model of HL (adapted, Paasche-Orlow and Wolf, 2007: (a) health-related knowledge, (b) sources of health-related information, (c) usage of health-related apps) that can improve an individual’s HL and associated health outcomes. Methods: A total of 4144 individuals from Germany constitute the stratified and population-based sample (35+ years of age). Standardized questionnaires collected data on socio-demographics, mobile technology usage, health indicators, HL (HLS-16), health-related knowledge and health-related sources of information via computer-assisted personal interviews (CAPI); the data analysis was conducted via adjusted logistic and linear regression models. Results: (a) Health-related knowledge is higher for individuals with health conditions of their respiratory or musculoskeletal system, and lower for chronic pain patients, as compared to individuals without such conditions. There were no differences in knowledge among people with cardiovascular diseases and depression, as compared to individuals without such diseases. (b) Sources for health-related information were general practitioners (72.1%), medical specialists (39.5%), pharmacists (31.6%) and web-based search (31.5%). The use of sources varied by age, number of health conditions, action planning and self-efficacy with which individuals were able to acquire information. (c) Regarding the mobile technology usage, 61.3% were classified as smartphone-users – 20.5% of them used health-apps. The apps related to smoking cessation (44.5%), healthy diet (38.6%), weight loss (23.2%) with app-characteristics like planning (50.7%), reminding (36.1%), promoting motivation (34.4%) and provision of information (33.6%). The analyses find multivariate relationships between the smartphone usage or health-related apps and the user’s age, profession, education, migration background, chronical diseases, physical activity, low-fat diet, health-related quality of life, health-related competence and web-based search. Additionally, it finds relationships between planning and physical activity, monitoring and physical activity, plus between monitoring and adherence to doctoral recommendations. Discussion: The analysis provides representative evidence about HL and knowledge, the choice of information source and the use of mHealth-technologies. It thus makes an empirical contribution to improve our understanding of the key role of health-literated individuals for our health- system. The related differences by age or socio-economic backgrounds constitute relevant information for policy makers and developers to improve HL and conduct future interventions.
