The Communication AssessmenT Checklist in Health (CATCH): A Tool for Assessing the Quality of Printed Educational Materials for Clinicians
Notice bibliographique
Résumé
INTRODUCTION: There is little guidance available on strategies to improve the communication quality of printed educational materials (PEMs) for clinicians. The purposes of this study were to conceptualize PEM communication quality, develop a checklist based on this conceptualization, and validate the checklist with a selection of PEMs. METHODS: From a literature review of the strategies influencing communication quality, we generated a conceptual map and developed the Communication AssessmenT Checklist in Health (CATCH) consisting of 55 items nested in 12 concepts. Two raters independently applied CATCH to 45 PEMs evaluated in the studies included in a Cochrane systematic review. From these results, we conducted an item analysis and assessed content validity of CATCH using a hierarchical cluster analysis to explore the extent to which our CATCH operationalization truly represented the communication quality concepts. RESULTS: Some concepts were better covered in the studied PEMs, whereas others were not covered consistently. We observed 3 contrasting PEM clusters. A first cluster (n = 22) was characterized by longer PEMs and comprised mostly high-impact peer-reviewed scientific articles or clinical practice guidelines. A second cluster (n = 22) consisted of PEMs shorter than 4 pages that used special fonts, color, pictures, and graphics. A third cluster consisted of a single brief PEM. DISCUSSION: With CATCH it is possible to categorize and understand the mechanisms that can trigger a change in behavior in health care providers. Additional research is needed to validate CATCH before it can be recommended for use.
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 | 0,081 | 0,281 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,015 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».