La littératie en santé, une compétence en mal de traitement
Notice bibliographique
Résumé
Contexte: Selon les résultats d'enquêtes récentes sur la littératie chez les adultes, plus de la moitié des Canadiens adultes et près de 90 % des personnes âgées ne possède pas un niveau de littératie assez élevé pour bien comprendre la posologie de médicaments ni les consignes de sécurité qui leur sont données. Par ailleurs, la situation se détériore avec l'âge mais aussi avec l'état de santé : plus on est malade et moins le niveau de littératie en santé est élevé. Les résultats suggèrent également que des problèmes de littératie en santé se retrouvent à tous les niveaux d'éducation. Exégèse: Or, le niveau de littératie en santé est le meilleur prédicteur de l'état de santé d'une personne. Il a été observé que les difficultés de lecture semblent avoir une influence sur l'observance, le respect des traitements, l'hospitalisation, la compréhension de la maladie et la compréhension du consentement aux soins. Conclusion: Les professionnels de la santé sont conscients depuis peu de l'importance de ces enjeux. Après avoir développé une expertise médicale, il est maintenant suggéré que le médecin en développe une nouvelle, non pour s'adresser à ses pairs mais pour s'adresser à son patient qui, une fois sur deux, ne possède pas le niveau de littératie en matière de santé nécessaire pour comprendre.
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 | 0,006 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».