Cognitive Function and Health Literacy Decline in a Cohort of Aging English Adults
Notice bibliographique
Résumé
BACKGROUND: Low health literacy is common among aging patients and is a risk factor for morbidity and mortality. We aimed to describe health literacy decline during aging and to investigate the roles of cognitive function and decline in determining health literacy decline. METHODS: Data were from 5,256 non-cognitively impaired adults aged ≥ 52 years in the English Longitudinal Study of Ageing. Health literacy was assessed using a four-item reading comprehension assessment of a fictitious medicine label, and cognitive function was assessed in a battery administered in-person at baseline (2004-2005) and at follow-up (2010-2011). RESULTS: Overall, 19.6% (1,032/5,256) of participants declined in health literacy score over the follow-up. Among adults aged ≥ 80 years at baseline, this proportion was 38.2% (102/267), compared to 14.8% (78/526) among adults aged 52-54 years (OR = 3.21; 95% CI: 2.26-4.57). Other sociodemographic predictors of health literacy decline were: male sex (OR = 1.20; 95% CI: 1.04-1.38), non-white ethnicity (OR = 2.42; 95% CI: 1.51-3.89), low educational attainment (OR = 1.58; 95% CI: 1.29-1.95 for no qualifications vs. degree education), and low occupational class (OR = 1.67; 95% CI: 1.39-2.01 for routine vs. managerial occupations). Higher baseline cognitive function scores protected against health literacy decline, while cognitive decline (yes vs. no) predicted decline in health literacy score (OR = 1.59; 95% CI: 1.35-1.87 for memory decline and OR = 1.56; 95% CI: 1.32-1.85 for executive function decline). CONCLUSIONS: Health literacy decline appeared to increase with age, and was associated with even subtle cognitive decline in older non-impaired adults. Striking social inequalities were evident, whereby men and those from minority and deprived backgrounds were particularly vulnerable to literacy decline. Health practitioners must be able to recognize limited health literacy to ensure that clinical demands match the literacy skills of diverse patients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».