MétaCan
Menu
Retour à la cohorte
Enregistrement W2008507630 · doi:10.3390/ijerph10031125

Health Literacy in Rural Areas of China: Hypertension Knowledge Survey

2013· article· en· W2008507630 sur OpenAlexafffund
Xia Li, Ning Ning, Yanhua Hao, Hong Sun, Lijun Gao, Mingli Jiao, Qunhong Wu, Hude Quan

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta InnovatesChina Medical Board
Mots-clésFunctional illiteracyMedicineMarital statusRural areaChinaHealth literacyLiteracyEducational attainmentPopulationBlood pressureHealth educationEnvironmental healthGerontologyDemographyFamily medicinePsychologyHealth careNursingGeographyPublic healthEconomic growthPolitical scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

We conducted this study to determine levels and correlates of hypertension knowledge among rural Chinese adults, and to assess the association between knowledge levels and salty food consumption among hypertensive and non-hypertensive populations. This face-to-face cross sectional survey included 665 hypertensive and 854 non-hypertensive respondents in the rural areas of Heilongjiang province, China. Hypertension knowledge was assessed through a 10-item test; respondents received 10 points for each correct answer. Among respondents, the average hypertension knowledge score was 26 out of a maximum of 100 points for hypertensive and 20 for non-hypertensive respondents. Hypertension knowledge was associated with marital status, education, health status, periodically reading books, newspapers or other materials, history of blood pressure measurement, and attending hypertension educational sessions. Hypertension knowledge is extremely low in rural areas of China. Hypertension education programs should focus on marginal populations, such as individuals who are not married or illiterate to enhance their knowledge levels. Focusing on educational and literacy levels in conjunction with health education is important given illiteracy is still a prominent issue for the Chinese rural population.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,307
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,498
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207