Health Literacy and Disease Understanding Among Aging Women With Pelvic Floor Disorders
Notice bibliographique
Résumé
OBJECTIVES: Few studies on health literacy and disease understanding among women with pelvic floor disorders have been published. We conducted a pilot study to explore the relationship between disease understanding and health literacy, age, and diagnosis type among women with urinary incontinence and pelvic organ prolapse. METHODS: The study subjects were recruited from urology and urogynecology specialty clinics based on a chief complaint suggestive of urinary incontinence or pelvic prolapse. Subjects completed questionnaires to assess symptom severity, and health literacy was measured using the Test of Functional Health Literacy in Adults. Patient-physician interactions were audiotaped during the office visit. Immediately afterward, patients were asked to describe diagnoses and treatments discussed by the physician and record them on a checklist, with follow-up phone call, where the same checklist was administered 2 to 3 days later. RESULTS: A total of 36 women with pelvic floor disorders, aged 42 to 94 years, were enrolled. We found that health literacy scores decreased with increasing age. However, all patients had low percentage recall of their pelvic floor diagnoses and poor understanding of their pelvic floor condition despite high health literacy scores. Patients with pelvic prolapse seemed to have worse recall and disease understanding than patients with urinary incontinence. CONCLUSIONS: High health literacy as assessed by the Test of Functional Health Literacy in Adults may not correlate with patients' ability to comprehend complex functional conditions such as pelvic floor disorders. Lack of understanding may lead to unrealistic treatment expectations, inability to give informed consent for treatment, and dissatisfaction with care. Better methods to improve disease understanding are needed.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».