Health Literacy Association With Health Behaviors and Health Care Utilization in Multiple Sclerosis: A Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Low health literacy is generally associated with poor health outcomes; however, health literacy has received little attention in multiple sclerosis (MS). OBJECTIVE: The aim of this study was to investigate the health literacy of persons with MS using the North American Research Committee on Multiple Sclerosis (NARCOMS) Registry. METHODS: In 2012, we conducted a cross-sectional study of health literacy among NARCOMS participants. Respondents completed the Medical Term Recognition Test (METER) which assesses the ability to distinguish medical and nonmedical words, and the Newest Vital Sign (NVS) instrument which evaluates reading, interpretation, and numeracy skills. Respondents reported their sociodemographic characteristics, health behaviors, comorbidities, visits to the emergency room (ER), and hospitalizations in the last 6 months. We used logistic regression to evaluate the characteristics associated with functional literacy, and the association between functional literacy and health care utilization. RESULTS: Of 13,020 eligible participants, 8934 (68.6%) completed the questionnaire and were US residents. Most of them performed well on the instruments with 81.04% (7066/8719) having functional literacy on the METER and 74.62% (6666/8933) having adequate literacy on the NVS. Low literacy on the METER or the NVS was associated with smoking, being overweight or obese (all P<.001). After adjustment, low literacy on the METER was associated with ER visits (OR 1.28, 95% CI 1.10-1.48) and hospitalizations (OR 1.19, 95% CI 0.98-1.44). Findings were similar for the NVS. CONCLUSIONS: In the NARCOMS cohort, functional health literacy is high. However, lower levels of health literacy are associated with adverse health behaviors and greater health care utilization.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».