Increasing Knowledge and Health Literacy about Preterm Births in Underserved Communities: An Approach to Decrease Health Disparities, a Pilot Study
Notice bibliographique
Résumé
INTRODUCTION: Health disparities can negatively impact subsets of the population who have systematically experienced greater socioeconomic obstacles to health. For example, health disparities between ethnic and racial groups continue to grow due to the widening gap in large declines in infant and fetal mortality among Caucasians compared to Black non-Hispanic or African Americans. According to the American Congress of Obstetricians and Gynecologists, preterm birth remains a leading cause of infant morbidity and mortality. The purpose of our study is to determine if the computer-based educational modules related to preterm birth health literacy and health disparity with a pre-test and post-test can effectively increase health knowledge of our participants in targeted underserved communities within the Richmond-metro area. METHODS: This was a pilot study in the Richmond-Metro area. Participants were required to be over the age of 18, and had to electronically give consent. Descriptive statistics, means and standard deviations, and Paired t-tests were conducted in SPSS 22.0. RESULTS: There were 140 participants in the pilot study. P<.05 was set as significant and all four modules had a P<.000. The males were not significant with modules: Let's Talk Patient & Provider Communication P<.132 and It Takes a Village P<.066. Preterm birth status yes all of the findings were statistically significant P<.000. Preterm birth status no Let's Talk Patients & Provider Communication was not significant P<.106. CONCLUSION: Overall, researchers found that with a strong research methodology and strong content relevant to the community, the participants demonstrated an increase in their knowledge in health literacy and preterm birth.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».