노인의 디지털헬스리터러시 관련 변인: 체계적 문헌 고찰 및 메타분석

Jin Hwa Park; Eun Ju Mun

doi:10.4040/jkan.25112

Articles

Page Path: HOME > J Korean Acad Nurs > Ahead-of print articles > Article

Research Paper 노인의 디지털헬스리터러시 관련 변인: 체계적 문헌 고찰 및 메타분석: 박진화, 문은주
Variables influencing digital health literacy in older adults: a systematic review and meta-analysis: Jin Hwa Park, Eun Ju Mun; DOI: https://doi.org/10.4040/jkan.25112
Published online: November 27, 2025

대구가톨릭대학교 간호대학

College of Nursing, Daegu Catholic University, Daegu, Korea

Corresponding author: Eun Ju Mun College of Nursing, Daegu Catholic University, 33 Duryugongwon-ro 17-gil, Nam-gu, Daegu 42472, Korea E-mail: quffndi@hanmail.net

• Received: August 6, 2025 • Revised: November 5, 2025 • Accepted: November 5, 2025

This is an Open Access article distributed under the terms of the Creative Commons Attribution NoDerivs License (http://creativecommons.org/licenses/by-nd/4.0) If the original work is properly cited and retained without any modification or reproduction, it can be used and re-distributed in any format and medium.

31 Views
0 Download

Full Article

Download PDF

Abstract
서론
방법
결과
고찰
결론
Article Information
References
Appendix

Abstract

Purpose
This study aimed to synthesize existing evidence on digital health literacy (DHL) among older adults and to estimate the associations between related influencing factors through a systematic literature review and meta-analysis.
Methods
A systematic review and meta-analysis were conducted in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) and Meta-Analysis of Observational Studies in Epidemiology (MOOSE) guidelines. Literature searches were performed across PubMed, EMBASE, Cochrane Library, CINAHL, RISS, and DBPIA. The search and screening process was conducted from December 24, 2023, to March 31, 2025. Effect sizes (ESr) using correlation coefficient for each variable were calculated, and meta-analyses were performed using Microsoft Excel and R version 4.3.1.
Results
Forty-seven variables were identified, including two demographic, six physical, six behavioral, 23 psychosocial, and 10 cognitive factors. Meta-analysis results showed that physical, behavioral, psychosocial, and cognitive factors had significant effects on DHL. Among these, digital information level (ESr=.62; 95% confidence interval [CI], 0.55 to 0.69) within the cognitive domain and technophobia (ESr=−.55; 95% CI, −0.47 to −0.40) within the psychosocial domain demonstrated the largest ESr.
Conclusion
Among factors influencing DHL, digital information level and technophobia showed the strongest associations. These findings suggest that improving DHL in older adults requires a dual approach targeting both cognitive and psychosocial dimensions—enhancing digital information skills while reducing technophobia—to effectively support digital engagement and health empowerment in this population (PROSPERO registration number: CRD42023487486).
Key words: Aged; Digital health; Health literacy; Meta-analysis as topic; Systematic reviews as topic

서론

1. 연구의 필요성

디지털 기술의 발전에 따라 일상생활에서 노인의 디지털 헬스 기기 및 인터넷 사용이 증가하였으며[1], 특히 coronavirus disease 2019 (COVID-19) 팬데믹 이후 디지털 헬스 기술의 사용은 노인의 건강관리에 있어 중요한 요소로 자리잡았다[2]. 디지털 헬스는 사물인터넷, 빅테이터 분석, 인공지능, 모바일 헬스 등 건강분야에서 디지털 기술 활용을 포함하는 eHealth의 개념을 확장한 것이다[3]. 노인은 디지털 헬스 기술에 대한 접근성이 높아졌지만[2] 새로운 기술 사용에 대한 불안, 청각 및 시각 장애, 인지능력 저하, 학습능력 저하 등 다양한 생리적, 심리적 요인으로[1,4] 디지털 헬스 기술 사용에 어려움을 겪고 있다[5,6]. 또한 노인은 디지털 기기를 통해 획득한 건강정보를 올바르게 이해하고 사용할 수 있는 능력인 디지털헬스리터러시(digital health literacy [DHL])가 젊은 성인에 비해 부족한 것으로 보고되고 있다[2,6,7].

DHL은 디지털 헬스 기술의 발전으로 점점 더 관심을 받게 되었으며[3], COVID-19 팬데믹으로 병원 폐쇄와 사회적 거리 두기가 불가피한 상황에서 노인의 건강한 삶을 유지하기 위한 중요한 수단이 되었다[8-10]. DHL은 노인이 자신의 건강 문제를 해결하기 위해 디지털 헬스 기술을 받아들이고 사용할 수 있는 자신감을 향상시킨다[8]. 그러므로 디지털 헬스 기술을 통해 획득한 건강정보의 격차를 해소하고, 건강형평성을 향상시키기 위해서는 노인의 DHL 현황과 관련 변인을 파악하여 이를 개선하기 위한 노력이 필요하다[11].

DHL은 “health literacy” 개념에서 시작하였으며[12], 전자의료기록과 전자건강기록의 발전에 따라 등장한 e헬스리터러시(electronic health literacy [EHL]) 개념이 시간이 지나면서 점차 발전한 것이다[3,11]. EHL은 개인이 인터넷에서 정보를 검색하고, 이해하고, 평가할 수 있는 능력으로 인터넷에서 제공되는 건강정보의 검색에 초점이 맞춰져 있다[13]. 반면, DHL은 개인이 인터넷뿐 아니라 모바일 기기, 소셜 네트워크, 건강 관련 애플리케이션 등을 포함한 디지털 소스에서 제공되는 건강정보를 찾고, 이해하고, 사용하는 능력으로[4,5], 콘텐츠의 자체 생성 및 추가, 개인정보 보호를 포함한 웹에서의 상호작용에 중점을 둔다[14]. 디지털 기술의 혁신적인 발전으로 이전에 건강정보에 접근하고, 처리하는 경로가 인터넷 등 통신기술을 활용한 것에서 점차 디지털 헬스 기술로 확장되었다는 점에서 DHL과 EHL의 개념이 유사하여[3], 여러 선행연구에서 DHL과 EHL를 동일한 의미로 사용하고 있다[7,15].

최근 몇 년 동안 DHL 관련 연구에서 여전히 수행 연도와 관계없이 EHL 개념이 사용되고 있는 점을 고려하여[11], DHL의 개념에 EHL 개념을 포함하여 노인의 DHL 관련 변인들과 영향력을 종합적으로 살펴볼 필요가 있다. 하지만 지금까지 선행연구에서는 DHL보다 EHL 개념에 초점을 맞추어 한정적으로 이루어졌으며[4,6,16-18], 노인의 DHL 관련 변인을 체계적으로 고찰한 연구는 부족하다. 노인의 DHL 문헌 고찰 연구가 있으나[11], 문헌 고찰 연구는 포함된 개별 연구의 결과를 합성하여 통합 추정치를 생성하기보다는 문헌을 분석적으로 재해석하는 질적 분석을 사용한다는 점에서[19] 노인의 DHL과 관련 변인들과의 관계를 정량적으로 파악하는 데 제한적이다.

이에 본 연구에서는 노인의 DHL 관련 변인에 대한 연구결과들을 종합적이고 체계적으로 파악하고 메타분석을 통해 노인의 DHL 관련 변인의 효과크기를 객관적으로 분석함으로써 향후 노인의 DHL 연구 방향성 제시 및 DHL 향상을 위한 프로그램 개발을 위한 근거를 제공하고자 수행되었다.

2. 연구목적

본 연구의 목적은 노인의 DHL 관련 변인에 대한 선행연구를 체계적으로 고찰하고 메타분석을 함으로써, 노인의 DHL를 향상시키는 위한 전략 및 중재프로그램 개발을 위한 기초자료를 제공하는 것이다. 구체적인 목적은 다음과 같다.

첫째, 국내외 노인의 DHL 관련 연구의 일반적 특성을 확인한다.

둘째, 국내외 노인의 DHL 관련 연구의 질 평가를 실시한다.

셋째, 국내외 노인의 DHL 관련 변인을 파악하고, 각 변인별 효과크기를 산출하여 통계적 유의성을 검정한다.

방법

1. 연구설계

본 연구는 국내외 노인의 DHL 관련 변인을 조사한 선행연구 결과를 종합한 체계적 문헌 고찰 및 메타분석 연구이며, PROSPERO에 등록하였다(등록번호: CRD42023487486). 본 연구는 Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 그룹이 제시한 체계적 문헌 고찰 지침[20]과 Meta-Analysis Of Observational Studies in Epidemiology (MOOSE) 가이드라인[21]에 따라 수행하였다.

2. 문헌 선정기준 및 배제기준

본 연구에서는 국내외 노인의 DHL 관련 변인은 무엇인가를 핵심 질문으로 하였으며, 문헌 선정기준은 PICOs-SD 프레임워크에 따라 정의하였다. 대상(participants)은 노인을 대상으로 한 국내외 연구로, 연구마다 노인의 연령 제시가 다양하여 연령에 제한을 두지 않았다. 중재(intervention)는 DHL과 관련 변인의 관계를 양적으로 제시한 연구, 연구설계(study design)는 연구결과에 통계량이 제시되어 효과크기를 환산 가능한 횡단적 조사연구로 선정하였다. 노인의 DHL 관련 연구의 포괄적인 검색을 위하여 대조군(comparison)과 결과(outcome)를 제시하지 않았다. 문헌 제외기준은 (1) 노인 대상자를 구분하지 않은 연구, (2) 관련 변인 또는 상관관계를 제시하지 않은 중재연구, 개념분석 연구, 질적 연구, (3) 학위논문, (4) 원문확인 불가 연구, (5) 프로토콜 또는 예비연구, (6) 포스터, 초록, 단행본 및 사례연구였다.

3. 문헌검색 및 선정

문헌검색은 2명의 연구자가 독립적으로 국내외 학술지에 게재된 문헌을 검색하였으며, DHL 개념이 지속적으로 발전하고 있으므로 문헌검색 시작은 제한을 두지 않았다. 최초 문헌검색 기간은 2023년 12월 24일부터 2024년 1월 12일까지, 추가 문헌검색은 2024년 1월 12일부터 2025년 3월 31일까지이다. 국내 문헌은 RISS, DBPIA에서 수기로 검색하였으며, 국외 문헌은 PubMed, EMBASE, Cochrane Library, CINAHL에서 검색하였다.

검색어는 한국어로 ‘노인 OR 노년 OR 시니어’ AND ‘디지털헬스리터리시 OR 모바일헬스리터러시 OR e헬스리터러시 OR 디지털리터러시 OR 디지털건강문해력 OR 인터넷헬스리터러시 OR 인터넷건강문해력 OR 컴퓨터리터러시’를 조합하였다. 영어로는 ‘Aged OR elder* OR old* OR aged person OR aging OR senior’ AND ‘computer literac* OR digital health literacy OR digital health OR digital literacy OR digital disparity OR digital divide OR technology literacy OR technology disparity OR technology divide OR health technology literacy OR mhealth literacy OR m-health literacy OR mobile health literacy OR mobile health education OR ehealth literacy OR e-health literacy OR electronic health literacy OR internet literacy OR internet health literacy OR telehealth literacy OR tele-health literacy OR online literacy OR telemedicine literacy OR tele-medicine literacy OR electronic health information OR electronic health information literacy OR web based health literacy’를 조합하였다(Appendix 1).

수집된 문헌은 EndNote ver. X20 프로그램(Clarivate)을 사용하여 분류하였다. 최초 문헌검색에서 중복문헌 8,398편을 제거한 후 14,893편의 연구가 포함되었으며, 두 명의 연구자가 제목과 초록을 읽은 후 독립적으로 선별하여 126편의 논문을 선택하였다. 126편의 원문을 확인하여 DHL의 개념을 포함하지 않은 연구 19편, 전체 성인을 대상으로 한 연구에서 노인을 구분하지 않는 연구 19편, DHL과 관련 변인의 양적인 데이터를 확인할 수 없는 연구 53편, 초록 발표, 기사, 보고서 7편, 원문이 확인되지 않는 연구 11편을 제외하였다. 문헌 선택 시 연구자 간의 의견 불일치가 있을 경우 중립적인 제3의 연구자에게 검토할 예정이었으나 불일치는 없어 17편의 연구를 선택하였다. 추가 문헌검색에서 중복문헌 800편을 제거한 3,360편을 두 명의 연구자가 독립적으로 제목과 초록을 읽은 후 선별하여 60편을 선택하였으며, 60편의 원문을 확인하여 DHL의 개념을 포함하지 않은 연구 8편, 전체 성인을 대상으로 한 연구에서 노인을 구분하지 않는 연구 23편, DHL과 관련 변인의 양적인 데이터를 확인할 수 없는 연구 18편, 원문이 확인되지 않는 연구 1편을 제외하였다. 문헌 선택 시 연구자 간 의견 불일치는 없어 10편의 연구를 선택하여, 최종 27편의 연구를 선택하였다(Figure 1, Appendix 2).

4. 문헌의 질 평가

본 연구에서 문헌의 질 평가는 Joanna Briggs Institute (JBI) [22]의 “Critical Appraisal Checklist for Analytical Cross Sectional Studies”의 8개 항목을 사용하였다. 본 평가도구는 연구대상자 선정 2개 문항(JBI 문항 1, 4번), 자료수집 환경 및 방법 1개 문항(JBI 문항 2번), 독립변수의 신뢰도와 타당도의 적절성 1개 문항(JBI 문항 3번), 종속변수의 신뢰도와 타당도 적절성 1개 문항(JBI 문항 7번), 자료분석법 1개 문항(JBI 문항 8번), 교란변수 관련 2개 문항(JBI 문항 5, 6번)의 총 8문항으로 구성되어 있다. 각 문항은 ‘예, 아니오, 불명확함’으로 예 1점, 그 외는 0점으로 평가하였다. 문헌의 질 평가는 연구자 2인이 독립적으로 실시한 결과를 종합하여 평가자 간 의견이 일치하지 않는 경우 연구자들의 논의를 통해 합의점을 도출하였다.

5. 자료수집 및 분석

고찰한 논문의 코딩은 저자, 연도, 연구 수행 국가, 표본크기, 연구환경(setting), 표본추출 방법, 대상자 평균 나이와 표준편차, 이론 사용, 만성질환 포함, DHL 정도, DHL 측정도구, 관련 변인 및 상관계수(r) 값을 개별적으로 추출하여 Microsoft Excel 2020 프로그램(Microsoft Corp.)에 기록하였다. 연구자 1인이 이에 대한 서식을 작성하고, 추출한 내용의 정확성을 확보하기 위하여 연구자 2인이 독립적으로 분석을 실시한 후 교차 검토하였다.

최종 선정 문헌에서 추출된 DHL 관련 변인들 중 의미가 유사한 변인들은 2인의 연구자가 합의하여 관련 변인의 정의와 측정도구를 확인 후 하나의 변인으로 통합하였다. 노인의 DHL 관련 변인은 선행연구를 기반으로 인구학적, 신체적, 행동적, 심리사회적, 인지적 요인으로 분류하고[6], 관련 변인과의 관계를 정적 관계(+), 부적 관계(-), 관계 없음(not significant)으로 제시하였다. 인구학적 특성에 따라 DHL 차이를 보고한 연구들이 있었으나 성별, 연령을 제외한 인구학적 특성의 하위 범주 분류에서 차이가 있었고, 메타분석을 위한 통계값을 제시하지 않아 연령, 성별만을 포함하였다. 메타분석은 R ver. 4.3.1 (The R Foundation for Statistical Computing) 프로그램을 활용하여 분석하였으며, 2개 이상의 사례 수가 연구된 변인에 대한 상관계수(r) 값을 Fisher’s Z로 변환하여, 다시 상관계수(r) 값으로 제시하였다. 최종 도출된 효과크기 해석은 Cohen [23]의 기준에 띠라 효과크기 상관계수(ESr)가 .10보다 작을 경우 작은 효과크기, .30 정도이면 중간 효과크기, .50 이상이면 큰 효과크기로 판단하였고, 95% 신뢰구간을 적용하여 통계적 유의성을 검증하였다.

모형의 선택은 연구 국가, 노인 연령 기준, 측정도구, 연구환경의 차이 등을 고려하여 각 연구마다 동일한 모집단의 효과를 추정한 것으로 보기 어려워[24,25], 랜덤효과모형(random effect model)을 사용하여 분석하였다. 개별 연구결과들 간의 통계적 이질성(heterogeneity)은 forest plot, Cochran Q값 및 I²값을 이용하여 분석하였다[24]. Q값의 유의확률이 0.10 이하이고, I²가 50%를 넘으면 이질성의 정도가 상당하여[26], 이질성의 원인을 파악하기 위한 조절효과분석이 필요하지만[24], 본 연구에서 조절변수당 최소 10개의 개별 연구를 포함한 관련 변인이 없어 조절효과분석을 생략하였다.

출판편의를 검증은 깔때기 그림(funnel plot)과 Egger’s 회귀분석을 통해 평가하였고, Egger’s 회귀분석에서 출판편향이 의심되는 경우 추가적으로 trim-and-fill 분석을 통해 출판편향의 정도가 연구결과에 어느 정도 영향을 주는지 확인하였다[24].

6. 윤리적 고려

본 연구는 대구가톨릭대학교 생명윤리위원회에서 심의면제를 받았다(IRB No. CUIRB-2023-E013).

결과

1. 체계적 문헌 고찰

1) 분석 대상 문헌의 일반적 특성

본 연구에서 분석한 문헌은 총 27편의 조사연구이며, 출판연도는 2019년부터 2025년까지로 2019년 1편(3.7%), 2020년 2편(7.4%), 2021년 1편(3.7%), 2022년 6편(22.2%), 2023년 7편(25.9%), 2024년 7편(25.9%), 2025년 3편(11.2%)이었다. 연구는 5개의 국가에서 시행되었으며, 중국 11편(40.7%), 한국 11편(40.7%), 홍콩 3편(11.2%), 미국 1편(3.7%), 스웨덴 1편(3.7%)이었으며, 연구환경(setting)은 지역사회 23편, 병원 3편, 요양원 1편이었다. 노인의 연령 기준은 60세 이상 14편(51.9%), 65세 이상 13편(48.1%)이었으며, 질환을 가진 대상자 연구 6편(22.2%)으로 만성질환 3편, 당뇨병 1편, 만성폐쇄성폐질환 1편이었고, 독거노인을 대상으로 한 연구는 3편이었다. 총 연구대상자 수는 19,489명으로 범위는 68–6,183명이었고, 표본추출은 확률적 방법 5편(18.5%), 비확률적 방법 19편(70.3%), 표본추출 방법을 제시하지 않은 연구 3편(11.2%)이었다. 연구대상자의 평균 연령 범위는 64.5–77.9세였고, 평균 연령을 제시하지 않은 연구가 6편(22.2%)이었다.

EHL 개념을 측정한 연구는 22편(81.5%)이었으며, 8문항의 eHEALS를 중국어로 번안한 CeHEALS를 사용한 연구가 10편(45.4%)으로 가장 많았으며, eHEALS 6편(27.3%), 한국어로 번안한 KeHEALS 6편(27.3%) 순이었다. DHL 개념을 측정한 연구는 5편(18.5%)으로 34문항의 DHTL-AQ 2편(40.0%), 12문항으로 수정한 DHLI 1편(20.0%)이었으며, DHL 개념을 사용하였으나 KeHEALS로 측정한 연구가 2편(40.0%)이었다.

이론 및 개념적 기틀을 제시한 연구는 8편(29.6%)으로 정보획득포괄적 모델(comprehensive model of information looking), e헬스사용통합적 모델(integrative model of eHealth use), EHL 모델(electronic health literacy model), 기술준비수용 모델(technology readiness and acceptance model), 건강생성이론(Salutogenesis), 지식-태도-행동(KAB) 모델, 건강역량강화이론(health empowerment theory), 만성질환자기관리모델(chronic disease self-management model)이었다(Table 1).

2) 노인의 디지털헬스리터러시 관련 변인

본 연구에서 분석한 문헌 총 27편에서 노인의 DHL 관련 변인들을 인구학적, 신체적, 행동적, 심리사회적, 인지적 5개 요인으로 분류한 결과는 다음과 같다(Table 2).

인구학적 요인에는 연령 12편(44.4%), 성별 12편(44.4%)이었고, 나머지 연구에서는 연령, 성별과 DHL 관계를 제시하지 않았다. 신체적 요인은 객관적, 주관적 신체 건강수준으로[6], 건강 관련 삶의 질 2편(7.4%), 인지기능 3편(11.2%), 만성질환 수 3편(11.2%), 주관적 건강상태 6편(22.2%), 수면 문제 1편(3.7%), 성공적 노화 1편(3.7%)이 포함되었다. 행동적 요인은 건강 관련 행동의 실천 정도로[6], 복약이행도 1편(3.7%), 지속적 사용의도 1편(3.7%), 건강증진행동 5편(18.5%), 건강정보탐색행동 1편(3.7%), 모바일 헬스 사용 1편(3.7%), 자기관리행동 4편(14.8%)이 포함되었다. 심리사회적 요인은 사회적 적응력과 정서적 반응으로[6], 미래에 대한 불안 1편(3.7%), 우울증 1편(3.7%), 가족 돌봄 1편(3.7%), 일반적 자기효능감 7편(25.9%), 건강불안 1편(3.7%), 건강성격(친화성, 성실성, 외향성, 신경증, 개방성) 1편(3.7%), 정보 만족도 1편(3.7%), 정보 자기효능감 1편(3.7%), 개인 성향(혁신주의, 낙천주의) 1편(3.7%), 외로움 1편(3.7%), 심리적 고통 1편(3.7%), 자아정체성 1편(3.7%), 일관성(sense of coherence) 1편(3.7%), 사회적 고립 1편(3.7%), 사회적 지지 6편(22.2%), 사회적 자본 3편(11.2%), 기술적 자기효능감 1편(3.7%), 기술공포증 2편(7.4%)이 포함되었다. 마지막으로, 인지적 요인은 정보를 이해하고 활용, 인식하는 능력으로[6], 노화에 대한 태도 1편(3.7%), 디지털 헬스 기술 사용 태도 1편(3.7%), 디지털 정보화 수준 2편(7.4%), 교육 참여 동기 1편(3.7%), 헬스리터러시 1편(3.7%), 인식된 eHealth 중요성 1편(3.7%), 인식된 eHealth 유용성 2편(7.4%), 인식된 편리성 1편(3.7%), 인식된 앱디자인 중요성 1편(3.7%), 웹 검색 기술 1편(3.7%)이 포함되었다.

3) 논문의 질 평가

최종 선택된 27편의 연구에 대해 연구자 2인이 독립적으로 질 평가를 실시한 후 논의를 통해 합의점을 도출하여 품질 평가점수가 0–4점일 때 낮은 품질, 5–7점일 때 중간 품질, 8점일 때 높은 품질로 분류하였다[27,28]. 모든 연구에서 대상자 선정기준에 대하여 상세히 제시하였으나, 모집단에 대한 정의를 제시하지 않은 연구 6편(22.2%), 연구환경(setting)이 제시되지 않은 연구 3편(11.1%), 타당도와 신뢰도가 검증된 도구를 사용하였으나 독립변수의 타당도와 신뢰도를 제시하지 않은 연구 3편(11.1%), 종속변수의 타당도와 신뢰도를 제시하지 않은 연구 2편(7.4%)이었다. 교란요인을 확인한 연구는 24편(88.9%)이었으며, 교란요인에 대한 대처전략을 제시한 연구는 20편(74.1%)이었다. 따라서 본 연구에 포함된 모든 문헌들의 품질 평가점수가 6점 이상으로 질적 수준이 수용 가능하다고 판단되었다(Table 3). 평가자 간의 질 평가에 대한 신뢰도를 확인하기 위해 Cohen’s Kappa계수를 계산한 결과, Kappa=.83으로 나타났다.

2. 메타분석

본 연구의 체계적 문헌 고찰을 통해 선정된 문헌 27편 중 24편이 메타분석에 포함되었으며, 사례 수(k)가 2개 이상인 변인은 연령, 성별, 건강 관련 삶의 질, 인지기능, 만성질환 수, 주관적 건강상태, 건강증진행위, 자기관리행위, 일반적 자기효능감, 사회적 자본, 사회적 지지, 기술공포증, 디지털 정보화 수준, 인식된 eHealth 유용성으로 총 14개이었다. 메타분석을 위해 14개 변인의 효과크기를 상관계수(r)로 일원화하였으며[24], 연령의 경우 연구마다 연령대 구분에 차이가 있어 연령과 DHL 정도의 관계를 상관계수로 제시한 연구 2편만을 분석에 포함하였다. 성별의 경우 남성과 여성의 DHL 평균 점수와 표준편차를 모두 제시한 연구 8편에서 평균점수와 표준편차를 이용하여 R 프로그램에서 Cohen’s d를 구한 후, 다시 상관계수(r)로 변환하였다[24]. 사회적 자본은 전체 상관계수 만을 제시하였거나 전체 상관계수 없이 하위 요인별(구조적, 인지적) 상관계수 만을 제시하여 분석에서 제외하였다. 따라서 DHL 관련 변인 총 13개, 사례 수 51개에 대해 메타분석을 실시하였다.

1) 요인별 효과크기

노인의 DHL 관련 변인을 인구학적, 신체적, 행동적, 심리사회적, 인지적 5개 요인으로 범주화하여 랜덤효과모형을 적용하여 분석한 결과, 인구학적 요인의 변인은 연령, 성별 총 2개 변인, 사례 수 10개로 효과크기 상관계수는 ESr=.02 (95% confidence interval [CI], –0.13 to 0.17)로 통계적으로 유의하지 않았다. 신체적 요인의 변인은 건강 관련 삶의 질, 인지기능, 만성질환 수, 주관적 건강상태로 총 4개 변인, 사례 수 13개로 효과크기 상관계수는 ESr=.22 (95% CI, 0.11 to 0.32)로 중간 효과크기를 나타냈으며, 통계적으로 유의하였다. 행동적 요인의 변인은 건강증진행위, 자기관리행위 총 2개 변인, 사례 수 9개로 효과크기 상관계수는 ESr=.40 (95% CI, 0.30 to 0.48)으로 중간 효과크기를 나타냈으며, 통계적으로 유의하였다. 심리사회적 요인의 변인은 일반적 자기효능감, 사회적 지지, 기술공포증으로 총 3개 변인, 사례 수 15개로 효과크기 상관계수는 ESr=.23 (95% CI, 0.04 to 0.40)으로 중간 효과크기를 나타냈으며, 통계적으로 유의하였다. 인지적 요인의 변인은 디지털 정보화 수준, 인식된 eHeatlh 유용성으로 총 2개 변인, 사례 수 4개로 효과크기 상관계수는 ESr=.50 (95% CI, 0.33 to 0.64)로 큰 효과크기를 나타냈으며, 통계적으로 유의하였다(Table 4).

이질성 분석결과, 인구학적 요인(I²=89.2%, Q=83.50, p<.001), 신체적 요인(I²=91.5%, Q=141.47, p<.001), 행동적 요인(I²=84.9%, Q=52.93, p<.001), 심리사회적 요인(I²=98.8%, Q=1,168.35, p<.001), 인지적 요인(I²=86.5%, Q=22.16 p<.001)은 이질성이 높은 것으로 나타났다(Table 4).

2) DHL 관련 변인들의 효과크기

DHL 관련 변인 총 13개에 대한 효과크기는 랜덤효과모형을 적용하여 분석하였으며, 디지털 정보화 수준 ESr=.62 (95% CI, 0.55 to 0.69), 기술공포증 ESr=–.55 (95% CI, –0.47 to –0.40)로 큰 효과크기를 나타냈으며, 통계적으로 유의하였다. 건강증진행위 ESr=.42 (95% CI, 0.32 to 0.50), 자기관리행위 ESr=.38 (95% CI, 0.17 to 0.55), 일반적 자기효능감 ESr=.37 (95% CI, 0.28 to 0.46), 인식된 eHealth 유용성 ESr=.37 (95% CI, 0.29 to 0.44), 사회적 지지 ESr=.33 (95% CI, 0.24 to 0.42), 인지기능 ESr=.28 (95% CI, 0.18 to 0.36), 주관적 건강상태 ESr=.26 (95% CI, 0.16 to 0.36), 만성질환 수 ESr=–.15 (95% CI, –0.25 to –0.04) 순으로 중간 효과크기를 나타냈으며, 통계적으로 유의하였다. 마지막으로 성별은 ESr=.10 (95% CI, 0.02 to 0.18)으로 작은 효과크기를 나타냈으며, 통계적으로 유의하였다(Table 4, Supplementary Figure 1).

이질성을 분석한 결과, 연령(I²=94.7%, Q=18.70, p<.001), 성별(I²=73.4%, Q=26.30, p<.001), 건강 관련 삶의 질(I²=98.2%, Q=56.97, p<.001), 인지기능(I²=51.0%, Q=4.08, p=.130), 주관적 건강상태(I²=72.2%, Q=18.00, p=.003), 건강증진행위(I²=76.9%, Q=17.33, p=.002), 자기관리행위(I²=90.6%, Q=32.05, p<.001), 일반적 자기효능감(I²=79.6%, Q=29.48, p<.001), 사회적 지지(I²=76.9%, Q=21.68, p=.001), 기술공포증(I²=96.7%, Q=29.91, p<.001)은 이질성이 높은 것으로 나타났다. 만성질환 수(I²=0.0%, Q=0.13, p=.714), 디지털 정보화 수준(I²=0.0%, Q=0.02, p=.890), 인식된 eHealth 유용성(I²=0.0%, Q=0.54, p=.461)은 이질성이 없는 것으로 나타났다(Table 4).

3) 출판편의에 대한 검정

출판편의를 검증하기 위해 인구학적, 신체적, 행동적, 심리사회적, 인지적 요인으로 범주화하여 깔대기 도표(funnel plot)을 확인하였다(Supplementary Figure 2). 그 결과, 인구학적, 신체적, 행동적, 심리사회적, 인지적 요인 모두 가운데 선을 기준으로 비대칭을 이루었다. 이에 객관적인 출간오류 분석을 위해 Egger’s 회귀분석을 실시한 결과, 인구학적 요인(standard error [SE]=2.04, t=0.51, p=.621), 신체적 요인(SE=1.48, t=0.74, p=.472), 행동적 요인(SE=2.18, t=–1.60, p=.149), 심리사회적 요인(SE=5.13, t=0.44, p=.665)의 출판편의는 없는 것으로 나타났다. 인지적 요인은 사례 수가 4개로 Egger’s 회귀분석을 시행하지 못하여 민감도 분석 방법의 하나인 trim-and-fill을 시행하였다. 그 결과, 1개의 사례를 투입했을 때 효과크기가 여전히 통계적으로 유의하여 본 연구의 결과에 큰 영향을 주지 않는 것으로 결론을 내릴 수 있었다[24].

고찰

본 연구는 노인의 DHL 관련 변인들을 규명하고, 관련 변인들의 효과를 객관적이고, 통합적으로 제시하고자 시도된 체계적 문헌 고찰 및 메타분석 연구이다. 본 연구에서 분석된 문헌은 총 27편으로, 2019년부터 연구가 시작되어 2022년 이후 급격히 증가하였다. 이를 통해 노인의 DHL에 대한 관심이 COVID-19 팬데믹 이후 급격히 증가하였음을 알 수 있다. 이는 COVID-19 팬데믹 동안 노인이 감염 위험과 사회적 거리두기로 인한 고립감이라는 이중적 위험에 처하게 되면서 의사소통과 건강정보 전달 측면에서 DHL의 중요성이 더욱 부각된 것과 관련이 있다[8,11].

분석된 문헌 27편 중 22편(81.5%)에서 EHL 개념을 사용하였고, 24편(88.9%)에서 eHEALS 도구를 사용하여 측정하였다. 반면, DHL 개념을 사용하였으나 KeHEALS를 사용하여 측정한 문헌이 2편(7.4%)인 것으로 보아[7,15], 현재는 EHL과 DHL 개념이 혼용되고 있으며, 점차 EHL에서 DHL로 넘어가는 과도기임을 알 수 있다[3]. 하지만 DHL 개념에서는 건강정보를 획득, 평가, 적용하는 능력뿐 아니라 건강정보를 통합하여 의사소통하고 그 과정에서 개인정보를 보호하는 능력까지 평가한다[11]. 이러한 점에서 eHEALS가 연구대상자의 DHL 개념을 완전히 반영하지 못한다는 비판을 받아왔으나[6,29], 그럼에도 eHEALS가 대부분의 연구에서 사용되고 있는 이유는 여러 언어로 번역되어 노인을 대상으로 신뢰도와 타당도가 확보된 도구이기 때문이다[30-33]. DHL을 측정할 수 있는 digital health literacy instrument (DHLI)가 2017년 개발되고[14], Kim 등[34]의 연구에서 DHLI가 노인을 대상으로 eHEALS에 비해 신뢰할 수 있는 도구로 확인되었지만 eHEALS에 비해 문항 수가 많으며, 아직 노인을 대상으로 도구의 신뢰도와 타당도가 충분히 확인되지 않은 점에서 연구자가 적극적으로 사용하는 데 제한이 있다. 이에 향후 연구에서 노인의 DHL 관련 변인을 탐색하기 위해서는 EHL 개념보다 DHL의 개념을 측정할 수 있는 도구를 사용하는 것이 필요하다.

노인을 대상으로 한 자기보고식 설문조사방식은 객관성이 부족하며[11], 반구조화 인터뷰 및 대면 인터뷰와 같은 성과 기반 측정방식이 더 신뢰할 수 있는 것으로 나타났다[4,35]. 그러므로 노인의 DHL을 보다 정확하게 평가하기 위한 다양한 측정방법을 고려해야 하지만, 다양한 임상환경과 개인의 성향에 따라 측정결과가 달라질 수 있으므로[4], 연구자들은 성과 기반 측정 시 지지적인 환경을 제공하고 노인의 개인적 성향을 파악할 필요가 있다.

본 연구에 포함된 총 27편 연구의 질 평가를 수행한 결과, 포함된 모든 연구들의 질적 수준이 높았지만 일부 연구에서는 대상자 산출에 대한 명확한 근거 없이 대상자를 모집하였다. 대상자 수는 상관관계 계수 및 효과크기의 차이를 야기하므로[4,24], 적절한 대상자의 수 산정과 근거의 제시가 필요하다. 또한 노인을 대상으로 하였지만 모집단에 대한 이론적 정의 없이 60세 이상 14편(51.9%), 65세 이상 13편(48.1%)으로 다르게 선정하였고, 27편의 연구 중 18편(66.7%)의 연구에서 편의표집 방법을 사용하였다. 편의표집은 연구자의 선택편향이 발생하여 모집단에 대한 통계적 추론이 어렵다는 문제점이 있으므로[36], 향후 연구에서 연구자가 연구설계 단계에서부터 노인의 대표성을 확보할 수 있는 표본 선정과정을 제시하여 선택편향 가능성과 추론의 오류 가능성을 최소화하기 위한 노력이 필요하다.

본 연구의 체계적 문헌 고찰에서 확인된 DHL 관련 변인은 총 47개로 분석의 편의를 위해 선행연구를 참고하여 인구학적, 신체적, 행동적, 심리사회적, 인지적 5개 요인으로 분류하였다[6]. 그 결과, 인구학적 요인 2개, 신체적 요인 6개, 행동적 요인 6개, 심리사회적 요인 23개, 인지적 요인 10개로 심리사회적 요인과 관련된 변인이 가장 많이 연구되었고, 관련 변인 중 가장 많이 연구된 변인은 연령 12편, 성별 12편, 일반적 자기효능감 7편, 사회적 지지 6편, 주관적 건강상태 6편이었다. 이는 DHL 관련 변인 중 인구학적 요인에 해당하는 연령과 성별이 가장 많이 연구되었다고 제시한 메타분석 연구[5]와 노인의 DHL에 영향을 미치는 요인으로 디지털 기기를 통한 건강관리에 대한 자신감, 사회적 지지를 제시한 문헌 고찰 연구[11] 결과와 유사하였다.

노인의 DHL 수준이 높을수록 디지털 기기를 통해 건강정보에 더 잘 접근하고, 자기효능감과 디지털 기기의 유용성에 대한 인식 및 태도가 긍정적으로 향상되어 디지털 기기 사용의 의지와 건강 관련 행위의 실천이 증가한다[37]. 이처럼 각 요인별 관련 변인은 명확히 분류되기보다 복수의 요인에 동시에 속하거나 각 요인이 상호작용하며 연속적으로 이어지는 구조로 작용하기도 한다. 이에 노인의 DHL 향상을 위해서는 개념적 기틀을 기반으로 하여 다차원적 요인을 고려하는 것이 필요하지만 분석된 문헌 27편 중 이론 및 개념적 기틀을 제시한 연구는 8편으로 개념적 기틀 없이 유사한 관련 변인을 반복 측정하고 있음을 알 수 있다. 그러므로 향후 개념적 기틀을 기반으로 다차원적인 요인을 포함한 연구설계와 요인간 구조적 경로를 검증할 수 있는 연구가 필요하다[16].

메타분석 결과, 인지적 요인의 디지털 정보화 수준과 심리사회적 요인의 기술공포증이 효과크기 상관계수가 큰 것으로 나타났다. 디지털 정보화 수준은 디지털 기기를 조작하여 문제를 해결하고, 찾아낸 정보를 활용하는 능력을 의미한다[7,38]. 노인은 나이가 들면서 새로운 것을 이해하고 습득하는 능력이 저하되어 디지털 기술 활용에 어려움을 겪게 되면서 디지털 기술 사용에 대한 사회의 높은 요구와 개인의 낮은 능력 사이의 갈등으로 인한 긴장, 무력감 등을 느끼고, 이로 인해 기술공포증이 증가한다[39]. 그러므로 향후 노인의 DHL 향상을 위한 중재 제공 시 인지적, 심리사회적 측면을 우선적으로 고려해야 하며, 노인의 디지털 정보화 수준 향상과 기술공포증 감소에 중점을 두어야 한다.

심리사회적 요인의 일반적 자기효능감은 노인의 DHL과 건강증진행동, 자기관리행동 사이의 관계에서 매개변수로 작용하며[40], DHL이 높을수록 디지털 기술 사용에 대한 자신감이 향상된다[8]. 반대로 노인이 자기효능감이 높으면 디지털 헬스 기기에 대한 이용 의도를 높이며[7], 변화에 대한 적응력과 새로운 기술에 대처할 수 있는 능력이 향상되어 DHL 향상에 영향을 미치는 것으로 나타났다[35]. 또한 노인의 DHL은 가족[11,17], 친구[7]와 같은 의미 있는 주변인에 달려있으며, 노인이 인식하는 사회적 지지가 높을수록 DHL을 직접적으로 향상시킨다[5,39]. 반대로 노인의 DHL이 높을수록 사회적 네트워크가 확대되어 사회활동에 참여할 가능성이 높고, 인터넷을 통해 건강정보의 교류가 활발한 것으로 나타났다[41].

행동적 요인에서 건강증진행위와 자기관리행위가 중간 효과크기를 나타났으며, 이는 노인의 DHL의 수준이 높을수록 건강 관련 행위가 증가하는 것으로 나타난 메타분석 연구결과와 일치하였다[4,18]. DHL은 노인이 건강한 생활습관을 유지, 개선할 수 있는 역량을 강화하며, 건강 관련 의사결정에 참여할 수 있도록 하여 건강결과를 개선한다[8]. 하지만 만성질환을 가진 노인은 건강한 노인에 비해 DHL이 더 낮은 것으로 나타났으며[8,18], 질병 관련 특성[6], 신체기능 저하[11] 등은 DHL과 건강 관련 행위와의 관계에 영향을 줄 수 있으므로[18], 간호사가 DHL 향상을 위한 중재 제공 시 이러한 요인을 통제하는 것이 필요하다.

본 연구결과, 인구학적 요인의 연령은 노인의 DHL과 관련이 없는 것으로 나타나 노인의 연령 증가가 낮은 DHL을 예측하는 요인이 아님을 확인되었다. Estrela 등[5]의 연구에서 연령 증가로 인해 DHL의 정도가 낮은 것이 아니라 노화와 함께 나타나는 신체적 변화와 만성질환의 합병증 증가가 DHL에 영향을 미칠 수 있다고 하였다. 또한 노인 내에서도 연령별로 교육수준, 경제상태 등 다양한 차이를 보이므로[11], 향후 연구에서 노인을 하나의 집단이 아닌 인구사회학적 특성에 따라 더욱 세분하여 노인의 DHL 관련 변인을 파악해야 한다[42].

DHL 관련 변인 13개 중 연령, 성별, 건강 관련 삶의 질, 인지기능, 주관적 건강상태, 건강증진행위, 자기관리행위, 일반적 자기효능감, 사회적 지지, 기술공포증 10개 변인에서 이질성이 높게 나타났다. 높은 이질성의 원인을 파악하기 위해 해당 문헌을 수기로 재검토하여 이질성에 대한 원인을 탐색하였다. 본 연구에 포함된 문헌은 횡단적 조사연구로 각 연구별로 거주형태(지역사회, 요양원, 병원), 노인의 정의(60세 이상, 65세 이상), 만성질환 포함 여부, 측정도구에 차이가 있었다. 또한 대상자의 선정기준에서 인터넷을 사용하거나 스마트폰을 소지한 노인을 포함한 연구는 이를 사용할 수 없는 노인이 제외되어 연구 간 이질성이 높은 것으로 예상된다. 이질성이 높은 경우 연구결과의 일반화 가능성에 영향을 미칠 수 있으므로[25], 이질성을 줄이기 위해 향후 연구에서 노인에 대한 모집단의 정의를 통해 노인의 특성을 대표할 수 있는 대상자 선정이 필요하다.

본 연구의 체계적 문헌 고찰을 통해 선정된 문헌 27편 중 24편이 메타분석에 포함되었으며, 3편[9,42,43]이 제외되었다. 제외된 사유는 성별에 따른 DHL 평균 점수와 성별에 따른 DHL 평균 점수를 제시하지 않은 연구[9,42], 사회적 자본에서 전체 상관계수 만을 제시하였거나[42] 전체 상관계수 없이 하위 요인별 상관계수 만을 제시한 연구[43]였다. 또한 메타분석을 위해서는 관련 변인에 대한 사례 수가 2개 이상이어야 하므로[24], 사례 수가 1개인 관련 변인은 제외하였다. 이에 향후 본 연구의 메타분석에서 사례 수가 1개로 나타난 변인에 대한 반복 연구가 누적된 후 이 변인들을 포함한 체계적 문헌 고찰 및 메타분석의 추가 연구가 필요하다.

본 연구의 제한점은 첫째, 노인의 DHL 관련 변인을 원인, 매개, 결과 변수 등으로 구분하지 않고 상관계수로 제시하여 관련 변인들의 인과적 추론에는 제한점이 있다. 둘째, 본 연구의 분석 문헌 간 이질성이 높았으며, 이질성의 원인 탐색을 위하여 조절효과 분석이 필요하지만 조절변수당 최소 10편의 문헌이 수집되지 않아 조절효과분석을 시행하지 못한 제한점이 있다. 셋째, 출판편의에 대한 검정결과, 인지적 요인의 경우 사례 수가 4개로 깔때기 그림(funnel plot)이 비대칭적으로 나타났다. 그러나 사례 수가 10개 미만일 경우 반드시 출판편향이 있음을 의미하지 않으며, 효과크기 추정치의 이질성으로 인해 비대칭적으로 나타날 수 있다[44]. 다만 미발표된 연구가 배제됨으로써 발생할 수 있는 출판편의 가능성을 완전히 배제할 수 없다는 제한점이 있다. 마지막으로 DHL 개념은 계속적으로 발전하고, EHL 개념과 차이점이 있지만[11], 본 연구에서 DHL과 EHL에 대한 구분 없이 함께 연구되었다는 제한점이 있다.

그럼에도 본 연구는 문헌검색에서 국내외 노인을 대상으로 영어 이외의 언어로 시행된 연구를 포함하였고, 분석된 논문의 질적 수준이 높은 연구결과를 얻었다는 데 의의가 있다. 또한 이전의 시행된 단편적인 연구의 결과를 종합하여 노인의 DHL과 디지털 정보화 수준, 기술공포증의 효과크기 상관계수가 크다는 것을 확인하였다는 점에서 간호학적 의의가 있다. 이에 노인의 DHL을 향상시키기 위해서는 디지털 정보화 수준과 기술공포증 정도를 확인함으로써, 디지털 접근성에서 소외될 위험이 높은 노인의 DHL 향상을 위한 프로그램 개발의 근거를 제공할 수 있을 것으로 기대된다.

결론

본 연구에서 노인의 DHL의 관련 변인을 규명하고, 메타분석을 통해 관련 변인별 효과크기 상관계수를 확인한 결과, DHL 관련 변인들 중 디지털 정보화 수준, 기술공포증이 효과크기 상관계수가 큰 것으로 나타났다. 이를 통해 노인의 DHL 향상을 위해서는 디지털 정보화 수준 향상과 기술공포증 감소에 중점을 두어야 함을 알 수 있다.

본 연구의 결과를 통해 다음과 같이 제언한다. 첫째, 노인에 대한 정의 없이 반복적으로 유사한 관련 변인만을 반복 시행하지 않기 위해 연구의 설계 단계에서부터 노인의 특성을 반영할 수 있는 연구설계가 필요하다. 둘째, DHL 관련 변인 중 효과크기 상관계수가 큰 것으로 나타난 디지털 정보화 수준, 기술공포증 변인의 사례 수는 2개로 나타났다. 메타분석에서 사례 수가 적은 경우 결과의 신뢰성이 낮아질 수 있으므로[25], 이들 변인을 포함한 반복 연구를 실시하여 노인의 DHL과의 관계를 명확하게 확인하는 연구를 제언한다. 셋째, 연구자들은 노인의 DHL을 보다 정확하게 평가하기 위한 적합한 도구의 개발 및 다양한 측정방법을 고려해야 한다.

Article Information

Conflicts of Interest

No potential conflict of interest relevant to this article was reported.

Acknowledgements

None.

Data Sharing Statement

Please contact the corresponding author for data availability.

Supplementary Data

Supplementary data to this article can be found online at https://doi.org/10.4040/jkan.25112.

Supplementary Figure 1.

jkan-25112-Supplementary-Figure-1.pdf

Supplementary Figure 2.

jkan-25112-Supplementary-Figure-2.pdf

Author Contributions

Conceptualization or/and Methodology: JHP, EJM. Data curation or/and Analysis: JHP, EJM. Funding acquisition: none. Investigation: JHP, EJM. Project administration or/and Supervision: JHP. Resources or/and Software: EJM. Validation: JHP, EJM. Visualization: EJM. Writing: original draft or/and Review & Editing: JHP, EJM. Final approval of the manuscript: all authors.

Figure 1.

PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) flow diagram: study selection process. DHL, digital health literacy.

Table 1.

Characteristics of studies included in systematic review and meta-analysis

No.	Author (year)	Country	Setting	Participants	Sample size	Sampling	Age (yr)	Concept	DHL scale	DHL degree	Theory
1	Chae [A1] (2024)	Korea	Community	≥65	132	Convenience	71.6±4.73	EHL	KeHEALS	3.90±0.52	No
2	Cai et al. [A2] (2024)	China	Community	≥65	578	Random	70.1±6.13	EHL	CeHEALS	2.39±0.30	No
3	Cao et al. [A3] (2023)	China	Community	≥60	4,218	Stratified and multistage	71.9±7.2	EHL	CeHEALS	12.57±10.00	No
4	Choi [A4] (2022)	Korea	Community	≥60	186	Convenience	75.6±5.98	EHL	KeHEALS	28.76±6.41	No
5	Cui et al. [A5] (2021)	China	Community	≥60	1,201	Stratified cluster	70.1±6.29	EHL	eHEALS	17.24±9.34	No
6	Dai et al. [A7] (2024)	China	Community	≥60	413	Convenience	70.8±6.71	EHL	eHEALS	23.26±6.00	IMeHU
7	Ghazi et al. [A8] (2023)	Sweden	Community	≥65	490	NR	77.9±7.49	EHL	eHEALS	3.44±1.27	No
8	Hu et al. [A6] (2023)	China	Hospital	≥60, CD	235	Convenience	NR	EHL	CeHEALS	22.11±8.59	CMI
9	Hwang et al. [A9] (2024)	Korea	Community	≥65, living alone	140	Convenience	76.3±4.67	DHL	DHTL-AQ	6.64±7.46	No
10	Hwang et al. [A10] (2025)	Korea	Community	≥65, living alone female	145	Convenience	77.5±4.83	DHL	DHTL-AQ	4.85±6.92	No
11	Jiang et al. [A11] (2023)	China	Hospital	≥65, COPD	230	Convenience	NR	EHL	CeHEALS	24.66±6.86	EHL model
12	Kim et al. [A12] (2023)	Hong Kong	Community	≥60	306	Convenience	NR	EHL	eHEALS	3.42±0.81	TRAM
13	Kim et al. [A13] (2023)	Korea	Community	≥65, DM	252	Convenience	72.1±5.28	EHL	KeHEALS	2.93±1.01	No
14	Kim and Sung [A14] (2022)	Korea	Hospital	≥65, cancer	140	Convenience	70.8±5.33	DHL	KeHEALS	22.22±7.7	No
14	Kim and Sung [A14] (2022)	Korea	Hospital	≥65, cancer	140	Convenience	70.8±5.33	DHL	KeHEALS	2.78±0.97	No
15	Lee et al. [A15] (2019)	Korea	Community	60–79, female	203 (60s:135, 70s: 68)	Convenience	NR	EHL	eHEALS	60s:24.31±7.99	No
15	Lee et al. [A15] (2019)	Korea	Community	60–79, female	203 (60s:135, 70s: 68)	Convenience	NR	EHL	eHEALS	70s:17.07±9.51	No
16	Leung et al. [A16] (2022)	Hong Kong	Community	≥60	266	NR	64.5±4.26	DHL	DHLI	2.83±0.46	Salutogenesis
17	Li et al. [A17] (2020)	China	Community	≥60	1,201	Stratified cluster	70.0±6.0	EHL	CeHEALS	17.24±9.34	No
17	Li et al. [A17] (2020)	China	Community	≥60	1,201	Stratified cluster	70.0±6.0	EHL	CeHEALS	2.16±1.17	No
18	Luo et al. [A18] (2025)	China	Community	≥60	1,658	Convenience	72.1±5.28	EHL	CeHEALS	23.18±6.81	No
19	Nam and Ha [A19] (2024)	Korea	Community	≥65, CD, living alone	91	Convenience	NR	EHL	KeHEALS	24.75±7.71	No
20	Park [A20] (2024)	USA	Community	≥65	191	Convenience	70.9±4.30	EHL	CeHEALS	27.63±7.82	No
21	Ryu and Chae [A21] (2024)	Korea	Community	≥65	150	Quota	70.8±4.92	EHL	KeHEALS	31.34±4.13	No
21	Ryu and Chae [A21] (2024)	Korea	Community	≥65	150	Quota	70.8±4.92	EHL	KeHEALS	3.92±0.52	No
22	Son and Han [A22] (2025)	Korea	Community	≥65	197	Convenience	71.7±5.94	DHL	KeHEALS	21.97±8.38	No
23	Song and Shin [A23] (2020)	Korea	Community	≥65	102	Convenience	70.0±4.84	EHL	KeHEALS	28.35±5.01	No
24	Wang et al. [A24] (2022)	China	Community	≥60	425	Convenience	NR	EHL	eHEALS	16.54±4.177	KAB model and health empowerment
25	Wong et al. [A25] (2022)	Hong Kong	Community	≥60	68	NR	71.7±6.0	EHL	CeHEALS	25.0±8.7	Health empowerment
26	Wu et al. [A26] (2022)	China	Nursing home	≥60, CD	289	Convenience	68.6±5.36	EHL	CeHEALS	19.15±9.60	CDSM
27	Zhu and Yang [A27] (2023)	China	Community	≥60	6,183	Convenience	72.6±5.36	EHL	CeHEALS	21.17±8.25	No

Values are presented as number or mean±standard deviation unless otherwise stated.

CD, chronic disease; CDSM, chronic disease self-management model; CMI, comprehensive model of information looking; COPD, chronic obstructive pulmonary disease; DHL, digital health literacy; DM, diabetes mellitus; EHL, electronic health literacy; IMeHU, integrative model of eHealth use, KAB model, knowledge, attitude, behavior model; NR, not report; TRAM, technology readiness and acceptance model.

Table 2.

Classification of factors related to digital health literacy and results of studies

Category	Related variables	MA	Correlation with DHL
Category	Related variables	MA	+	–	NS
Demographic	Age	O		[A7,A9,A10,A11,A14,A18,A19,A22,A23]	[A4,A8,A15]
	Sex (male)	O	[A8,A19,A22,A27]	[A7]	[A3,A9,A11,A14,A16,A18,A23]
Physical	HRQoL	O	[A6,A27]
	Cognitive function	O	[A9,A17]		[A4]
	No. of chronic diseases	O		[A10,A27]	[A4]
	Perceived health status	O	[A4,A7,A9,A10,A20,A23]
	Sleep problem	X	[A9]
	Successful aging	X	[A1]
Behavioral	Adherence of medication	X	[A19]
	Continued usage intention	X	[A12]
	Health-promoting behavior	O	[A5,A17,A23,A24]		[A15]
	Health information-seeking behavior	X	[A4]
	m-health use	X	[A13]
	Self-care behavior	O	[A24,A25,A26]		[A22]
Psychosocial	Anxiety about the future	X		[A16]
	Depressive symptoms	X		[A27]
	Family care	X	[A6]
	General self-efficacy	O	[A9,A11,A14,A18,A22,A24,A26]
	Health agreeableness	X		[A6]
	Health anxiety	X			[A20]
	Health conscientiousness	X	[A6]
	Health extraversion	X			[A6]
	Health neuroticism	X		[A6]
	Health openness	X	[A6]
	Information satisfaction	X	[A16]
	Information self⁃efficacy	X	[A8]
	Innovativeness	X	[A12]
	Loneliness	X		[A10]
	Optimism	X	[A12]
	Psychological distress	X		[A7]
	Self-identity	X	[A2]
	Sense of coherence	X	[A16]
	Social isolation	X			[A10]
	Social support	O	[A1,A11,A13,A18,A26]		[A14]
	Social capital	O	[A2]
	Cognitive social capital	O	[A3]	[A5]
	Structure social capital	O	[A3,A5]
	Technological self-efficacy	X	[A21]
	Technophobia	O		[A11,A18]
Cognitive	Aging attitudes	X	[A11]
	Attitude toward using DHT	X	[A12]
	Digital information level	O	[A14,A21]
	Educational participation motivation	X	[A2]
	Health literacy	X	[A19]
	Perceived eHealth importance	X	[A4]
	Perceived eHealth usability	O	[A4,A12]
	Perceived ease of use	X	[A12]
	Perceived importance of app design	X	[A13]
	Web search skills	X	[A11]

DHL, digital health literacy; HRQOL, health-related quality of life; MA, meta-analysis; NS, not significant; DHT, digital health technology; +, positive correlation; -, negative correlation; O, literature included in the meta-analysis; X, literature not included in the meta-analysis.

Table 3.

Quality assessment of studies

No.	Authors (year)	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Total
1	Chae [A1] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
2	Cai et al. [A2] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
3	Cao et al. [A3] (2023)	Y	Y	Y	N	Y	Y	Y	Y	7
4	Choi [A4] (2022)	Y	Y	N	Y	Y	Y	N	Y	6
5	Cui et al. [A5] (2021)	Y	Y	N	Y	Y	Y	Y	Y	7
6	Hu et al. [A6] (2023)	Y	Y	Y	N	Y	Y	Y	Y	7
7	Dai et al. [A7] (2024)	Y	Y	Y	Y	Y	Y	N	Y	7
8	Ghazi et al. [A8] (2023)	Y	Y	Y	Y	Y	Y	Y	Y	8
9	Hwang et al. [A9] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
10	Hwang et al. [A10] (2025)	Y	Y	Y	Y	Y	Y	Y	Y	8
11	Jiang et al. [A11] (2023)	Y	Y	Y	Y	Y	Y	Y	Y	8
12	Kim et al. [A12] (2023)	Y	Y	Y	Y	Y	N	Y	Y	7
13	Kim et al. [A13] (2023)	Y	N	Y	Y	Y	Y	Y	Y	7
14	Kim and Sung [A14] (2022)	Y	Y	Y	N	Y	Y	Y	Y	7
15	Lee et al. [A15] (2019)	Y	Y	Y	Y	Y	Y	Y	Y	8
16	Leung et al. [A16] (2022)	Y	Y	N	Y	Y	Y	Y	Y	7
17	Li et al. [A17] (2020)	Y	Y	Y	Y	Y	Y	Y	Y	8
18	Luo et al. [A18] (2025)	Y	Y	Y	Y	Y	Y	Y	Y	8
19	Nam and Ha [A19] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
20	Park [A20] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
21	Ryu and Chae [A21] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
22	Son and Han [A22] (2025)	Y	Y	Y	Y	Y	Y	Y	Y	8
23	Song and Shin [A23] (2020)	Y	Y	Y	Y	Y	Y	Y	Y	8
24	Wang et al. [A24] (2022)	Y	Y	Y	Y	Y	Y	Y	Y	6
25	Wong et al. [A25] (2022)	Y	Y	Y	Y	Y	N	Y	Y	7
26	Wu et al. [A26] (2022)	Y	Y	Y	N	Y	Y	Y	Y	7
27	Zhu and Yang [A27] (2023)	Y	Y	Y	Y	Y	Y	Y	Y	8
	MR (%)	100	94	100	88	100	94	100	100

Q1: Were the criteria for inclusion in the sample clearly defined?; Q2: Were the study subjects and the setting described in detail?; Q3: Was the exposure measured in a valid and reliable way?; Q4: Were objective, standard criteria used for measurement of the condition?; Q5: Were confounding factors identified?; Q6: Were strategies to deal with confounding factors stated?; Q7: Were the outcomes measured in a valid and reliable way?; Q8: Was appropriate statistical analysis used?

MR, match rate; Y, yes; N, no.

Table 4.

Effect size of related factors for digital health literacy of older people

Related variables	k	ESr	95% CI	Z	p	Homogeneity test
Related variables	k	ESr	95% CI	Z	p	Q	p	I²
Total overall effect size	51	.24	.16 to .32	5.80	<.001	1944.89	<.001	97.4
Demographic factors	10	.02	–.13 to .17	0.25	.802	83.50	<.001	89.2
Age	2	–.35	–.68 to .11	–1.48	.136	18.70	<.001	94.7
Sex (male)	8	.10	.02 to .18	2.56	.010	26.30	<.001	73.4
Physical factors	13	.22	.11 to .32	3.90	<.001	141.47	<.001	91.5
HRQoL	2	.33	–.04 to .62	1.77	.077	56.97	<.001	98.2
Cognitive function	3	.28	.18 to .36	5.70	<.001	4.08	.130	51.0
No. of chronic conditions	2	–.15	–.25 to –.04	–2.68	.007	0.13	.714	0.0
Perceived health status	6	.26	.16 to .36	4.84	<.001	18.00	.003	72.2
Behavioral factors	9	.40	.30 to .48	7.50	<.001	52.93	<.001	84.9
Health-promoting behavior	5	.42	.32 to .50	7.87	<.001	17.33	.002	76.9
Self-care behavior	4	.38	.17 to .55	3.40	.001	32.05	<.001	90.6
Psychosocial factors	15	.23	.04 to .40	2.39	.003	1168.35	<.001	98.8
General self-efficacy	7	.37	.28 to .46	7.16	<.001	29.48	<.001	79.6
Social support	6	.33	.24 to .42	6.58	<.001	21.68	.001	76.9
Technophobia	2	–.55	–.47 to –.40	–3.16	.002	29.91	<.001	96.7
Cognitive factors	4	.50	.33 to .64	5.33	<.001	22.60	<.001	86.5
Digital information level	2	.62	.55 to .69	12.35	<.001	0.02	.890	0.0
Perceived eHealth usability	2	.37	.29 to .44	8.51	<.001	0.54	.461	0.0

CI, confidence interval; ESr, effect size; HRQoL, health related quality of life; I², the proportion of true variance; k, number of cases; Q, Q-value between subgroups.

References

1. Zhu X, Yang F. The association among eHealth literacy, depressive symptoms and health-related quality of life among older people: a cross-section study. Int J Older People Nurs. 2023;18(1):e12497. https://doi.org/10.1111/opn.12497Article PubMed
2. Zhou W, Cho Y, Shang S, Jiang Y. Use of digital health technology among older adults with cancer in the United States: findings from a National Longitudinal Cohort Study (2015-2021). J Med Internet Res. 2023;25:e46721. https://doi.org/10.2196/46721Article PubMed PMC
3. Yang K, Hu Y, Qi H. Digital health literacy: bibliometric analysis. J Med Internet Res. 2022;24(7):e35816. https://doi.org/10.2196/35816Article PubMed PMC
4. Jiang X, Wang L, Leng Y, Xie R, Li C, Nie Z, et al. The level of electronic health literacy among older adults: a systematic review and meta-analysis. Arch Public Health. 2024;82(1):204. https://doi.org/10.1186/s13690-024-01428-9Article PubMed PMC
5. Estrela M, Semedo G, Roque F, Ferreira PL, Herdeiro MT. Sociodemographic determinants of digital health literacy: a systematic review and meta-analysis. Int J Med Inform. 2023;177:105124. https://doi.org/10.1016/j.ijmedinf.2023.105124Article PubMed
6. Xie L, Zhang S, Xin M, Zhu M, Lu W, Mo PK. Electronic health literacy and health-related outcomes among older adults: a systematic review. Prev Med. 2022;157:106997. https://doi.org/10.1016/j.ypmed.2022.106997Article PubMed
7. Kim HS, Sung JH. The influence of digital informatization level, self-efficacy, and social support on digital health literacy in the elderly with cancer. Asian Oncol Nurs. 2022;22(4):255-263. https://doi.org/10.5388/aon.2022.22.4.255Article
8. Choukou MA, Sanchez-Ramirez DC, Pol M, Uddin M, Monnin C, Syed-Abdul S. COVID-19 infodemic and digital health literacy in vulnerable populations: a scoping review. Digit Health. 2022;8:20552076221076927. https://doi.org/10.1177/20552076221076927Article PubMed PMC
9. Leung AY, Parial LL, Tolabing MC, Sim T, Mo P, Okan O, et al. Sense of coherence mediates the relationship between digital health literacy and anxiety about the future in aging population during the COVID-19 pandemic: a path analysis. Aging Ment Health. 2022;26(3):544-553. https://doi.org/10.1080/13607863.2020.1870206Article PubMed
10. Kim S, Chow BC, Park S, Liu H. The usage of digital health technology among older adults in Hong Kong and the role of technology readiness and eHealth literacy: path analysis. J Med Internet Res. 2023;25:e41915. https://doi.org/10.2196/41915Article PubMed PMC
11. Wang X, Luan W. Research progress on digital health literacy of older adults: a scoping review. Front Public Health. 2022;10:906089. https://doi.org/10.3389/fpubh.2022.906089Article PubMed PMC
12. Dunn P, Hazzard E. Technology approaches to digital health literacy. Int J Cardiol. 2019;293:294-296. https://doi.org/10.1016/j.ijcard.2019.06.039Article PubMed
13. Norman CD, Skinner HA. EHEALS: the eHealth Literacy Scale. J Med Internet Res. 2006;8(4):e27. https://doi.org/10.2196/jmir.8.4.e27Article PubMed PMC
14. 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.6709Article PubMed PMC
15. Son H, Han Y. The effect of digital health literacy, self-efficacy on self-care behaviors among community-dwelling elderly: focusing on Gyeongsangbuk-do. Res Community Public Health Nurs. 2025;36(1):59-72. https://doi.org/10.12799/rcphn.2024.00801Article
16. Chang SJ, Jang SJ, Lee H, Kim H. Building on evidence to improve eHealth literacy in older adults: a systematic review. Comput Inform Nurs. 2021;39(5):241-247. https://doi.org/10.1097/CIN.0000000000000674Article PubMed
17. Shi Y, Ma D, Zhang J, Chen B. In the digital age: a systematic literature review of the e-health literacy and influencing factors among Chinese older adults. Z Gesundh Wiss. 2023;31(5):679-687. https://doi.org/10.1007/s10389-021-01604-zArticle PubMed PMC
18. Kim K, Shin S, Kim S, Lee E. The relation between eHealth literacy and health-related behaviors: systematic review and meta-analysis. J Med Internet Res. 2023;25:e40778. https://doi.org/10.2196/40778Article PubMed PMC
19. Seo HJ. The scoping review approach to synthesize nursing research evidence. Korean J Adult Nurs. 2020;32(5):433-439. https://doi.org/10.7475/kjan.2020.32.5.433Article
20. Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71. https://doi.org/10.1136/bmj.n71Article PubMed PMC
21. Meta-analysis of observational studies in epidemiology: a proposal for reporting. Meta-analysis Of Observational Studies in Epidemiology (MOOSE) group. JAMA. 2000;283(15):2008-2012. https://doi.org/10.1001/jama.283.15.2008Article PubMed
22. Joanna Briggs Institute. Checklist for systematic reviews and research syntheses: the Joanna Briggs Institute critical appraisal tools for use in JBI systematic reviews [Internet]. Joanna Briggs Institute; c2017 [cited 2024 Mar 25]. Available from: https://jbi.global/sites/default/files/2019-05/JBI_Critical_Appraisal-Checklist_for_Systematic_Reviews2017_0.pdf
23. Cohen J. Statistical power analysis for the behavioral sciences. 2nd ed. Routledge; 1988. 400 p.
24. Hwang SD. Meta-analysis using R. 2nd ed. Hakjisa; 2020. 384 p.
25. Maitra S. Fixed-effect versus random-effect model in meta-analysis: how to decide? Indian J Anaesth. 2025;69(1):143-146. https://doi.org/10.4103/ija.ija_1203_24Article PubMed PMC
26. Borenstein M. In a meta-analysis, the I-squared statistic does not tell us how much the effect size varies. J Clin Epidemiol. 2022;152:281-284. https://doi.org/10.1016/j.jclinepi.2022.10.003Article PubMed
27. Kasa AS, Drury P, Traynor V, Lee SC, Chang HR. The effectiveness of nurse-led interventions to manage frailty in community-dwelling older people: a systematic review. Syst Rev. 2023;12(1):182. https://doi.org/10.1186/s13643-023-02335-wArticle PubMed PMC
28. Jeong AI, Shin S, Hong E. Factors related to workload of intensive care unit nurses: systematic review and meta-analysis. J Korean Clin Nurs Res. 2023;29(3):296-311. https://doi.org/10.22650/JKCNR.2023.29.3.296Article
29. Lee J, Lee EH, Chae D. eHealth literacy instruments: systematic review of measurement properties. J Med Internet Res. 2021;23(11):e30644. https://doi.org/10.2196/30644Article PubMed PMC
30. Aponte J, Nokes KM. Validating an electronic health literacy scale in an older Hispanic population. J Clin Nurs. 2017;26(17-18):2703-2711. https://doi.org/10.1111/jocn.13763Article PubMed
31. Stellefson M, Paige SR, Tennant B, Alber JM, Chaney BH, Chaney D, et al. Reliability and validity of the telephone-based eHealth Literacy Scale among older adults: cross-sectional survey. J Med Internet Res. 2017;19(10):e362. https://doi.org/10.2196/jmir.8481Article PubMed PMC
32. Lin CY, Broström A, Griffiths MD, Pakpour AH. Psychometric evaluation of the Persian eHealth Literacy Scale (eHEALS) among elder Iranians with heart failure. Eval Health Prof. 2020;43(4):222-229. https://doi.org/10.1177/0163278719827997Article PubMed
33. Xie L, Mo PK. Comparison of eHealth Literacy Scale (eHEALS) and Digital Health Literacy Instrument (DHLI) in assessing electronic health literacy in Chinese older adults: a mixed-methods approach. Int J Environ Res Public Health. 2023;20(4):3293. https://doi.org/10.3390/ijerph20043293Article PubMed PMC
34. Kim H, Yang E, Ryu H, Kim HJ, Jang SJ, Chang SJ. Psychometric comparisons of measures of eHealth literacy using a sample of Korean older adults. Int J Older People Nurs. 2021;16(3):e12369. https://doi.org/10.1111/opn.12369Article PubMed
35. Oh SS, Kim KA, Kim M, Oh J, Chu SH, Choi J. Measurement of digital literacy among older adults: systematic review. J Med Internet Res. 2021;23(2):e26145. https://doi.org/10.2196/26145Article PubMed PMC
36. Kim KS. A study of non-probability sampling methodology in sample surveys. Surv Res. 2017;18(1):1-29. https://doi.org/10.20997/SR.18.1.1Article
37. Li Q, Fang F, Zhang Y, Tu J, Zhu P, Xi L. eHealth literacy and its outcomes among postsecondary students: systematic review. J Med Internet Res. 2025;27:e64489. https://doi.org/10.2196/64489Article PubMed PMC
38. Ryu S, Chae Y. The impact of e-health literacy and technological self-efficacy on older adults’ level of digital informatization. J Health Info Stat. 2024;49(4):348-356. https://doi.org/10.21032/jhis.2024.49.4.348Article
39. Luo D, Li J, Wang C, Shi Y, Guo HQ, Guang Duan Z. Influence of social support on technophobia in older adults in urban communities: the mediating role of self-efficacy and e-health literacy, a cross-sectional study. BMJ Open. 2025;15(2):e093107. https://doi.org/10.1136/bmjopen-2024-093107Article PubMed PMC
40. Wang Y, Song Y, Zhu Y, Ji H, Wang A. Association of eHealth literacy with health promotion behaviors of community-dwelling older people: the chain mediating role of self-efficacy and self-care ability. Int J Environ Res Public Health. 2022;19(10):6092. https://doi.org/10.3390/ijerph19106092Article PubMed PMC
41. Cai S, Du J, Chen X, Li E, Chen Y. The relationship between e-health literacy and educational participation motivation among elderly individuals: the chained mediating effects of self-identity and social capital. Br J Hosp Med (Lond). 2024;85(9):1-13. https://doi.org/10.12968/hmed.2024.0261Article PubMed
42. Lee JE. Comparative analysis of successful aging in young-old and old-old adults based on Rowe and Kahn’s model: a secondary data analysis. J Korean Gerontol Nurs. 2024;26(2):203-211. https://doi.org/10.17079/jkgn.2024.00325Article
43. Cao C, Cao W, Zheng X, Ji K, Wu Y, Hu Z, et al. Association of social capital with self-perceived eHealth literacy among community-dwelling older people: age and gender differences. Front Public Health. 2023;11:1088863. https://doi.org/10.3389/fpubh.2023.1088863Article PubMed PMC
44. Simmonds M. Quantifying the risk of error when interpreting funnel plots. Syst Rev. 2015;4:24. https://doi.org/10.1186/s13643-015-0004-8Article PubMed PMC

Appendix

Appendix 1.

Search strategy to identify relevant data from database

Number	Search query
CINAHL: Results 1st search (n=9,585), 2nd search (n=647)
#1	(MH "Computer Literacy") OR computer literac* OR digital health literacy OR digital health OR digital literacy OR digital disparity OR digital divide OR technology literacy OR technology disparity OR technology divide OR health technology literacy OR mhealth literacy OR m-health literacy OR mobile health literacy OR mobile health education OR ehealth literacy OR e-health literacy OR electronic health literacy OR Internet literacy OR internet health literacy OR telehealth literacy OR tele-health literacy OR online literacy OR telemedicine literacy OR tele-medicine literacy OR electronic health information OR electronic health information literacy OR web based health literacy
#2	(MH "Aged+") OR old* OR aged person OR aging OR senior OR ((older* OR elder* OR aged) AND people) OR ((older* OR elder) AND adult)
#3	S1 AND S2
PubMed: Results 1st search (n=3,689), 2nd search (n=1,519)
#1	"Computer Literacy"[Mesh] OR "computer literac*"[TIAB]
#2	digital health literacy[TIAB] OR digital health[TIAB] OR digital literacy[TIAB] OR digital disparity[TIAB] OR digital divide[TIAB] OR technology literacy[TIAB] OR technology disparity[TIAB] OR technology divide[TIAB] OR health technology literacy[TIAB] OR mhealth literacy[TIAB] OR m-health literacy[TIAB] OR mobile health literacy[TIAB] OR mobile health education[TIAB] OR ehealth literacy[TIAB] OR e-health literacy[TIAB] OR electronic health literacy[TIAB] OR Internet literacy[TIAB] OR internet health literacy[TIAB] OR telehealth literacy[TIAB] OR tele-health literacy[TIAB] OR online literacy[TIAB] OR telemedicine literacy[TIAB] OR tele-medicine literacy[TIAB] OR electronic health information[TIAB] OR electronic health information literacy[TIAB] OR web based health literacy[TIAB]
#3	"Aged"[Mesh] OR "Aged"[TIAB] OR "Elderly"[TIAB]
#4	"old"[TIAB] OR "aged person"[TIAB] OR "aging"[TIAB] OR "senior"[TIAB] OR ((older[TIAB] OR elder[TIAB] OR aged[TIAB]) AND people[TIAB]) OR ((older[TIAB] OR elder[TIAB]) AND adult[TIAB])
#5	#1 OR #2
#6	#3 OR #4
#7	#5 AND #6
Cochrane Library: Results 1st search (n=8,969), 2nd search (n=277)
#1	MeSH descriptor: [Computer Literacy] explode all trees
#2	computer literac* OR ((digital OR technology OR mhealth OR m-health OR mobile OR ehealth OR e-health OR electronic OR Internet OR telehealth OR tele-health OR online OR telemedicine OR tele-medicine) NEAR/4 (literac* OR disparity OR divide)) OR mobile health education OR electronic health information OR web based health literacy
#3	#1 OR #2
#4	MeSH descriptor: [Aged] explode all trees
#5	old* OR aging OR senior ((ag* OR older* OR elder) NEAR/2 (person OR people OR adult*))
#6	#4 OR #5
#7	#3 AND #6

Appendix 2.

Included studies

A1. Chae Y. Mediating effects of social support on the relationship between e-Health literacy and successful aging in older adults. J Korean Acad Rural Health Nurs. 2024;19(2):121-129. https://doi.org/10.22715/jkarhn.2024.19.2.121

A2. Cai S, Du J, Chen X, Li E, Chen Y. The relationship between e-Health literacy and educational participation motivation among elderly individuals: the chained mediating effects of self-identity and social capital. Br J Hosp Med (Lond). 2024;85(9):1-13. https://doi.org/10.12968/hmed.2024.0261

A3. Cao C, Cao W, Zheng X, Ji K, Wu Y, Hu Z, et al. Association of social capital with self-perceived eHealth literacy among community-dwelling older people: age and gender differences. Front Public Health. 2023;11:1088863. https://doi.org/10.3389/fpubh.2023.1088863

A4. Choi M. Factors associated with eHealth use among community dwelling older adults. Int J Nurs Pract. 2022;28(6):e13092. https://doi.org/10.1111/ijn.13092

A5. Cui GH, Li SJ, Yin YT, Chen LJ, Li JQ, Liang FY, et al. The relationship among social capital, eHealth literacy and health behaviours in Chinese elderly people: a cross-sectional study. BMC Public Health. 2021;21(1):45. https://doi.org/10.1186/s12889-020-10037-4

A6. Hu Y, Chen L, Deng Y, Zhang Y, He L, Ji C. Status quo and influencing factors of eHealth literacy in elderly patients with chronic diseases. Chin Nurs Res. 2023;37(19):3442-3447.

A7. Dai H, Sun C, Chen J, Zhou X, Li H, Martin P, et al. The mediating effect of eHealth literacy on the relationship between health personality and quality of life in community-dwelling older adults. Geriatr Nurs. 2024;56:237-243. https://doi.org/10.1016/j.gerinurse.2024.02.002

A8. Ghazi SN, Berner J, Anderberg P, Sanmartin Berglund J. The prevalence of eHealth literacy and its relationship with perceived health status and psychological distress during COVID-19: a cross-sectional study of older adults in Blekinge, Sweden. BMC Geriatr. 2023;23(1):5. https://doi.org/10.1186/s12877-022-03723-y

A9. Hwang M, Kim G, Lee S, Park YH. Digital health literacy and associated factors among older adults living alone in South Korea: a cross-sectional study. Res Community Public Health Nurs. 2024;35(4):389-400. https://doi.org/10.12799/rcphn.2024.00766

A10. Hwang M, Kim G, Lee S, Park YH. Loneliness, social isolation, and digital health literacy among older women living alone in South Korea during the COVID-19 pandemic. Psychiatry Investig. 2025;22(1):75-83. https://doi.org/10.30773/pi.2024.0210

A11. Jiang Y, Gao J, Sun P, Nan J, Zou X, Sun M, et al. Factors associated with the e-Health literacy among older adults with chronic obstructive pulmonary disease: a cross-sectional study. Telemed J E Health. 2024;30(4):e1138-e1147. https://doi.org/10.1089/tmj.2023.0394

A12. Kim S, Chow BC, Park S, Liu H. The usage of digital health technology among older adults in Hong Kong and the role of technology readiness and ehealth literacy: path analysis. J Med Internet Res. 2023;25:e41915. https://doi.org/10.2196/41915

A13. Kim M, Kim B, Park S. Social support, eHealth literacy, and mHealth use in older adults with diabetes: moderated mediating effect of the perceived importance of app design. Comput Inform Nurs. 2024;42(2):136-143. https://doi.org/10.1097/CIN.0000000000001081

A14. Kim HS, Sung JH. The influence of digital informatization level, self-efficacy, and social support on digital health literacy in the elderly with cancer. Asian Oncol Nurs. 2022;22(4):255-263. https://doi.org/10.5388/aon.2022.22.4.255

A15. Lee YH, Ji EJ, Yun OJ. Health concern, health information orientation, e-Health literacy and health behavior in aged women : focused on 60-70s. J Converg Inf Technol. 2019;9(4):39-47. https://doi.org/10.22156/CS4SMB.2019.9.4.039

A16. Leung AY, Parial LL, Tolabing MC, Sim T, Mo P, Okan O, et al. Sense of coherence mediates the relationship between digital health literacy and anxiety about the future in aging population during the COVID-19 pandemic: a path analysis. Aging Ment Health. 2022;26(3):544-553. https://doi.org/10.1080/13607863.2020.1870206

A17. Li SJ, Yin YT, Cui GH, Xu HL. The associations among health-promoting lifestyle, eHealth literacy, and cognitive health in older Chinese adults: a cross-sectional study. Int J Environ Res Public Health. 2020;17(7):2263. https://doi.org/10.3390/ijerph17072263

A18. Luo D, Li J, Wang C, Shi Y, Guo HQ, Guang Duan Z. Influence of social support on technophobia in older adults in urban communities: the mediating role of self-efficacy and e-health literacy, a cross-sectional study. BMJ Open. 2025;15(2):e093107. https://doi.org/10.1136/bmjopen-2024-093107

A19. Nam WJ, Ha JY. The effects of health literacy on medication compliance in the independent living: Mediating effect of e-health literacy: a cross-sectional descriptive study. J Korean Gerontol Nurs. 2024;26(2):180-190. https://doi.org/10.17079/jkgn.2023.00304

A20. Park C. Electronic health literacy as a source of self-efficacy among community-dwelling older adults. Clin Gerontol. 2024 Jul 1 [Epub]. https://doi.org/10.1080/07317115.2024.2373894

A21. Ryu S, Chae Y. The impact of e-health literacy and technological self-efficacy on older adults’ level of digital informatization. J Health Info Stat. 2024;49(4):348-356. https://doi.org/10.21032/jhis.2024.49.4.348

A22. Son H, Han Y. The effect of digital health literacy, self-efficacy on self-care behaviors among community-dwelling elderly: focusing on Gyeongsangbuk-do. Res Community Public Health Nurs. 2025;36(1):59-72. https://doi.org/10.12799/rcphn.2024.00801

A23. Song JH, Shin S. The effects of e-Health literacy and subjective health status on health-seeking behaviors of elderly using the internet in the community. J Digit Converg. 2020;18(1):321-332. https://doi.org/10.14400/JDC.2020.18.1.321

A24. Wang Y, Song Y, Zhu Y, Ji H, Wang A. Association of eHealth literacy with health promotion behaviors of community-dwelling older people: the chain mediating role of self-efficacy and self-care ability. Int J Environ Res Public Health. 2022;19(10):6092. https://doi.org/10.3390/ijerph19106092

A25. Wong AK, Bayuo J, Wong FK. Investigating predictors of self-care behavior among homebound older adults: the role of self-efficacy, eHealth literacy, and perceived social support. J Nurs Scholarsh. 2022;54(3):278-285. https://doi.org/10.1111/jnu.12730

A26. Wu Y, Wen J, Wang X, Wang Q, Wang W, Wang X, et al. Associations between e-health literacy and chronic disease self-management in older Chinese patients with chronic non-communicable diseases: a mediation analysis. BMC Public Health. 2022;22(1):2226. https://doi.org/10.1186/s12889-022-14695-4

A27. Zhu X, Yang F. The association among eHealth literacy, depressive symptoms and health-related quality of life among older people: a cross-section study. Int J Older People Nurs. 2023;18(1):e12497. https://doi.org/10.1111/opn.12497

Figure & Data

REFERENCES

Citations

Citations to this article as recorded by

ePub Link

Cite

CITE: export Copy Download Format; Close

Download Citation

Download a citation file in RIS format that can be imported by all major citation management software, including EndNote, ProCite, RefWorks, and Reference Manager.

Format:

RIS — For EndNote, ProCite, RefWorks, and most other reference management software
BibTeX — For JabRef, BibDesk, and other BibTeX-specific software

Include:

Citation for the content below
Citation and abstract for the content below

Variables influencing digital health literacy in older adults: a systematic review and meta-analysis

DOI: https://doi.org/10.4040/jkan.25112

XML Download

Figure

We recommend

Related articles

Variables influencing digital health literacy in older adults: a systematic review and meta-analysis

Figure 1. PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) flow diagram: study selection process. DHL, digital health literacy.

Figure 1.

Variables influencing digital health literacy in older adults: a systematic review and meta-analysis

No.	Author (year)	Country	Setting	Participants	Sample size	Sampling	Age (yr)	Concept	DHL scale	DHL degree	Theory
1	Chae [A1] (2024)	Korea	Community	≥65	132	Convenience	71.6±4.73	EHL	KeHEALS	3.90±0.52	No
2	Cai et al. [A2] (2024)	China	Community	≥65	578	Random	70.1±6.13	EHL	CeHEALS	2.39±0.30	No
3	Cao et al. [A3] (2023)	China	Community	≥60	4,218	Stratified and multistage	71.9±7.2	EHL	CeHEALS	12.57±10.00	No
4	Choi [A4] (2022)	Korea	Community	≥60	186	Convenience	75.6±5.98	EHL	KeHEALS	28.76±6.41	No
5	Cui et al. [A5] (2021)	China	Community	≥60	1,201	Stratified cluster	70.1±6.29	EHL	eHEALS	17.24±9.34	No
6	Dai et al. [A7] (2024)	China	Community	≥60	413	Convenience	70.8±6.71	EHL	eHEALS	23.26±6.00	IMeHU
7	Ghazi et al. [A8] (2023)	Sweden	Community	≥65	490	NR	77.9±7.49	EHL	eHEALS	3.44±1.27	No
8	Hu et al. [A6] (2023)	China	Hospital	≥60, CD	235	Convenience	NR	EHL	CeHEALS	22.11±8.59	CMI
9	Hwang et al. [A9] (2024)	Korea	Community	≥65, living alone	140	Convenience	76.3±4.67	DHL	DHTL-AQ	6.64±7.46	No
10	Hwang et al. [A10] (2025)	Korea	Community	≥65, living alone female	145	Convenience	77.5±4.83	DHL	DHTL-AQ	4.85±6.92	No
11	Jiang et al. [A11] (2023)	China	Hospital	≥65, COPD	230	Convenience	NR	EHL	CeHEALS	24.66±6.86	EHL model
12	Kim et al. [A12] (2023)	Hong Kong	Community	≥60	306	Convenience	NR	EHL	eHEALS	3.42±0.81	TRAM
13	Kim et al. [A13] (2023)	Korea	Community	≥65, DM	252	Convenience	72.1±5.28	EHL	KeHEALS	2.93±1.01	No
14	Kim and Sung [A14] (2022)	Korea	Hospital	≥65, cancer	140	Convenience	70.8±5.33	DHL	KeHEALS	22.22±7.7	No
14	Kim and Sung [A14] (2022)	Korea	Hospital	≥65, cancer	140	Convenience	70.8±5.33	DHL	KeHEALS	2.78±0.97	No
15	Lee et al. [A15] (2019)	Korea	Community	60–79, female	203 (60s:135, 70s: 68)	Convenience	NR	EHL	eHEALS	60s:24.31±7.99	No
15	Lee et al. [A15] (2019)	Korea	Community	60–79, female	203 (60s:135, 70s: 68)	Convenience	NR	EHL	eHEALS	70s:17.07±9.51	No
16	Leung et al. [A16] (2022)	Hong Kong	Community	≥60	266	NR	64.5±4.26	DHL	DHLI	2.83±0.46	Salutogenesis
17	Li et al. [A17] (2020)	China	Community	≥60	1,201	Stratified cluster	70.0±6.0	EHL	CeHEALS	17.24±9.34	No
17	Li et al. [A17] (2020)	China	Community	≥60	1,201	Stratified cluster	70.0±6.0	EHL	CeHEALS	2.16±1.17	No
18	Luo et al. [A18] (2025)	China	Community	≥60	1,658	Convenience	72.1±5.28	EHL	CeHEALS	23.18±6.81	No
19	Nam and Ha [A19] (2024)	Korea	Community	≥65, CD, living alone	91	Convenience	NR	EHL	KeHEALS	24.75±7.71	No
20	Park [A20] (2024)	USA	Community	≥65	191	Convenience	70.9±4.30	EHL	CeHEALS	27.63±7.82	No
21	Ryu and Chae [A21] (2024)	Korea	Community	≥65	150	Quota	70.8±4.92	EHL	KeHEALS	31.34±4.13	No
21	Ryu and Chae [A21] (2024)	Korea	Community	≥65	150	Quota	70.8±4.92	EHL	KeHEALS	3.92±0.52	No
22	Son and Han [A22] (2025)	Korea	Community	≥65	197	Convenience	71.7±5.94	DHL	KeHEALS	21.97±8.38	No
23	Song and Shin [A23] (2020)	Korea	Community	≥65	102	Convenience	70.0±4.84	EHL	KeHEALS	28.35±5.01	No
24	Wang et al. [A24] (2022)	China	Community	≥60	425	Convenience	NR	EHL	eHEALS	16.54±4.177	KAB model and health empowerment
25	Wong et al. [A25] (2022)	Hong Kong	Community	≥60	68	NR	71.7±6.0	EHL	CeHEALS	25.0±8.7	Health empowerment
26	Wu et al. [A26] (2022)	China	Nursing home	≥60, CD	289	Convenience	68.6±5.36	EHL	CeHEALS	19.15±9.60	CDSM
27	Zhu and Yang [A27] (2023)	China	Community	≥60	6,183	Convenience	72.6±5.36	EHL	CeHEALS	21.17±8.25	No

Category	Related variables	MA	Correlation with DHL
Category	Related variables	MA	+	–	NS
Demographic	Age	O		[A7,A9,A10,A11,A14,A18,A19,A22,A23]	[A4,A8,A15]
	Sex (male)	O	[A8,A19,A22,A27]	[A7]	[A3,A9,A11,A14,A16,A18,A23]
Physical	HRQoL	O	[A6,A27]
	Cognitive function	O	[A9,A17]		[A4]
	No. of chronic diseases	O		[A10,A27]	[A4]
	Perceived health status	O	[A4,A7,A9,A10,A20,A23]
	Sleep problem	X	[A9]
	Successful aging	X	[A1]
Behavioral	Adherence of medication	X	[A19]
	Continued usage intention	X	[A12]
	Health-promoting behavior	O	[A5,A17,A23,A24]		[A15]
	Health information-seeking behavior	X	[A4]
	m-health use	X	[A13]
	Self-care behavior	O	[A24,A25,A26]		[A22]
Psychosocial	Anxiety about the future	X		[A16]
	Depressive symptoms	X		[A27]
	Family care	X	[A6]
	General self-efficacy	O	[A9,A11,A14,A18,A22,A24,A26]
	Health agreeableness	X		[A6]
	Health anxiety	X			[A20]
	Health conscientiousness	X	[A6]
	Health extraversion	X			[A6]
	Health neuroticism	X		[A6]
	Health openness	X	[A6]
	Information satisfaction	X	[A16]
	Information self⁃efficacy	X	[A8]
	Innovativeness	X	[A12]
	Loneliness	X		[A10]
	Optimism	X	[A12]
	Psychological distress	X		[A7]
	Self-identity	X	[A2]
	Sense of coherence	X	[A16]
	Social isolation	X			[A10]
	Social support	O	[A1,A11,A13,A18,A26]		[A14]
	Social capital	O	[A2]
	Cognitive social capital	O	[A3]	[A5]
	Structure social capital	O	[A3,A5]
	Technological self-efficacy	X	[A21]
	Technophobia	O		[A11,A18]
Cognitive	Aging attitudes	X	[A11]
	Attitude toward using DHT	X	[A12]
	Digital information level	O	[A14,A21]
	Educational participation motivation	X	[A2]
	Health literacy	X	[A19]
	Perceived eHealth importance	X	[A4]
	Perceived eHealth usability	O	[A4,A12]
	Perceived ease of use	X	[A12]
	Perceived importance of app design	X	[A13]
	Web search skills	X	[A11]

No.	Authors (year)	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8	Total
1	Chae [A1] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
2	Cai et al. [A2] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
3	Cao et al. [A3] (2023)	Y	Y	Y	N	Y	Y	Y	Y	7
4	Choi [A4] (2022)	Y	Y	N	Y	Y	Y	N	Y	6
5	Cui et al. [A5] (2021)	Y	Y	N	Y	Y	Y	Y	Y	7
6	Hu et al. [A6] (2023)	Y	Y	Y	N	Y	Y	Y	Y	7
7	Dai et al. [A7] (2024)	Y	Y	Y	Y	Y	Y	N	Y	7
8	Ghazi et al. [A8] (2023)	Y	Y	Y	Y	Y	Y	Y	Y	8
9	Hwang et al. [A9] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
10	Hwang et al. [A10] (2025)	Y	Y	Y	Y	Y	Y	Y	Y	8
11	Jiang et al. [A11] (2023)	Y	Y	Y	Y	Y	Y	Y	Y	8
12	Kim et al. [A12] (2023)	Y	Y	Y	Y	Y	N	Y	Y	7
13	Kim et al. [A13] (2023)	Y	N	Y	Y	Y	Y	Y	Y	7
14	Kim and Sung [A14] (2022)	Y	Y	Y	N	Y	Y	Y	Y	7
15	Lee et al. [A15] (2019)	Y	Y	Y	Y	Y	Y	Y	Y	8
16	Leung et al. [A16] (2022)	Y	Y	N	Y	Y	Y	Y	Y	7
17	Li et al. [A17] (2020)	Y	Y	Y	Y	Y	Y	Y	Y	8
18	Luo et al. [A18] (2025)	Y	Y	Y	Y	Y	Y	Y	Y	8
19	Nam and Ha [A19] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
20	Park [A20] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
21	Ryu and Chae [A21] (2024)	Y	Y	Y	Y	Y	Y	Y	Y	8
22	Son and Han [A22] (2025)	Y	Y	Y	Y	Y	Y	Y	Y	8
23	Song and Shin [A23] (2020)	Y	Y	Y	Y	Y	Y	Y	Y	8
24	Wang et al. [A24] (2022)	Y	Y	Y	Y	Y	Y	Y	Y	6
25	Wong et al. [A25] (2022)	Y	Y	Y	Y	Y	N	Y	Y	7
26	Wu et al. [A26] (2022)	Y	Y	Y	N	Y	Y	Y	Y	7
27	Zhu and Yang [A27] (2023)	Y	Y	Y	Y	Y	Y	Y	Y	8
	MR (%)	100	94	100	88	100	94	100	100

Related variables	k	ESr	95% CI	Z	p	Homogeneity test
Related variables	k	ESr	95% CI	Z	p	Q	p	I²
Total overall effect size	51	.24	.16 to .32	5.80	<.001	1944.89	<.001	97.4
Demographic factors	10	.02	–.13 to .17	0.25	.802	83.50	<.001	89.2
Age	2	–.35	–.68 to .11	–1.48	.136	18.70	<.001	94.7
Sex (male)	8	.10	.02 to .18	2.56	.010	26.30	<.001	73.4
Physical factors	13	.22	.11 to .32	3.90	<.001	141.47	<.001	91.5
HRQoL	2	.33	–.04 to .62	1.77	.077	56.97	<.001	98.2
Cognitive function	3	.28	.18 to .36	5.70	<.001	4.08	.130	51.0
No. of chronic conditions	2	–.15	–.25 to –.04	–2.68	.007	0.13	.714	0.0
Perceived health status	6	.26	.16 to .36	4.84	<.001	18.00	.003	72.2
Behavioral factors	9	.40	.30 to .48	7.50	<.001	52.93	<.001	84.9
Health-promoting behavior	5	.42	.32 to .50	7.87	<.001	17.33	.002	76.9
Self-care behavior	4	.38	.17 to .55	3.40	.001	32.05	<.001	90.6
Psychosocial factors	15	.23	.04 to .40	2.39	.003	1168.35	<.001	98.8
General self-efficacy	7	.37	.28 to .46	7.16	<.001	29.48	<.001	79.6
Social support	6	.33	.24 to .42	6.58	<.001	21.68	.001	76.9
Technophobia	2	–.55	–.47 to –.40	–3.16	.002	29.91	<.001	96.7
Cognitive factors	4	.50	.33 to .64	5.33	<.001	22.60	<.001	86.5
Digital information level	2	.62	.55 to .69	12.35	<.001	0.02	.890	0.0
Perceived eHealth usability	2	.37	.29 to .44	8.51	<.001	0.54	.461	0.0

Number	Search query
CINAHL: Results 1st search (n=9,585), 2nd search (n=647)
#1	(MH "Computer Literacy") OR computer literac* OR digital health literacy OR digital health OR digital literacy OR digital disparity OR digital divide OR technology literacy OR technology disparity OR technology divide OR health technology literacy OR mhealth literacy OR m-health literacy OR mobile health literacy OR mobile health education OR ehealth literacy OR e-health literacy OR electronic health literacy OR Internet literacy OR internet health literacy OR telehealth literacy OR tele-health literacy OR online literacy OR telemedicine literacy OR tele-medicine literacy OR electronic health information OR electronic health information literacy OR web based health literacy
#2	(MH "Aged+") OR old* OR aged person OR aging OR senior OR ((older* OR elder* OR aged) AND people) OR ((older* OR elder) AND adult)
#3	S1 AND S2
PubMed: Results 1st search (n=3,689), 2nd search (n=1,519)
#1	"Computer Literacy"[Mesh] OR "computer literac*"[TIAB]
#2	digital health literacy[TIAB] OR digital health[TIAB] OR digital literacy[TIAB] OR digital disparity[TIAB] OR digital divide[TIAB] OR technology literacy[TIAB] OR technology disparity[TIAB] OR technology divide[TIAB] OR health technology literacy[TIAB] OR mhealth literacy[TIAB] OR m-health literacy[TIAB] OR mobile health literacy[TIAB] OR mobile health education[TIAB] OR ehealth literacy[TIAB] OR e-health literacy[TIAB] OR electronic health literacy[TIAB] OR Internet literacy[TIAB] OR internet health literacy[TIAB] OR telehealth literacy[TIAB] OR tele-health literacy[TIAB] OR online literacy[TIAB] OR telemedicine literacy[TIAB] OR tele-medicine literacy[TIAB] OR electronic health information[TIAB] OR electronic health information literacy[TIAB] OR web based health literacy[TIAB]
#3	"Aged"[Mesh] OR "Aged"[TIAB] OR "Elderly"[TIAB]
#4	"old"[TIAB] OR "aged person"[TIAB] OR "aging"[TIAB] OR "senior"[TIAB] OR ((older[TIAB] OR elder[TIAB] OR aged[TIAB]) AND people[TIAB]) OR ((older[TIAB] OR elder[TIAB]) AND adult[TIAB])
#5	#1 OR #2
#6	#3 OR #4
#7	#5 AND #6
Cochrane Library: Results 1st search (n=8,969), 2nd search (n=277)
#1	MeSH descriptor: [Computer Literacy] explode all trees
#2	computer literac* OR ((digital OR technology OR mhealth OR m-health OR mobile OR ehealth OR e-health OR electronic OR Internet OR telehealth OR tele-health OR online OR telemedicine OR tele-medicine) NEAR/4 (literac* OR disparity OR divide)) OR mobile health education OR electronic health information OR web based health literacy
#3	#1 OR #2
#4	MeSH descriptor: [Aged] explode all trees
#5	old* OR aging OR senior ((ag* OR older* OR elder) NEAR/2 (person OR people OR adult*))
#6	#4 OR #5
#7	#3 AND #6

Table 1. Characteristics of studies included in systematic review and meta-analysis

Values are presented as number or mean±standard deviation unless otherwise stated.

Table 2. Classification of factors related to digital health literacy and results of studies

Table 3. Quality assessment of studies

MR, match rate; Y, yes; N, no.

Table 4. Effect size of related factors for digital health literacy of older people

CI, confidence interval; ESr, effect size; HRQoL, health related quality of life; I², the proportion of true variance; k, number of cases; Q, Q-value between subgroups.