The relationship between literacy and multimorbidity in a primary care setting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Multimorbidity is now acknowledged as a research priority in primary care. The identification of risk factors and people most at risk is an important step in guiding prevention and intervention strategies. The aim of this study was to examine the relationship between literacy and multimorbidity while controlling for potential confounders. METHODS: Participants were adult patients attending the family medicine clinic of a regional health centre in Saguenay (Quebec), Canada. Literacy was measured with the Newest Vital Sign (NVS). Multimorbidity was measured with the Disease Burden Morbidity Assessment (DBMA) by self-report. Information on potential confounders (age, sex, education and family income) was also collected. The association between literacy (independent variable) and multimorbidity was examined in bivariate and multivariate analyses. Two operational definitions of multimorbidity were used successively as the dependent variable; confounding variables were introduced into the model as potential predictors. RESULTS: One hundred three patients (36 men) 19-83 years old were recruited; 41.8% had completed 12 years of school or less. Forty-seven percent of patients provided fewer than four correct answers on the NVS (possible low literacy) whereas 53% had four correct responses or more. Literacy and multimorbidity were associated in bivariate analyses (p < 0.01) but not in multivariate analyses, including age and family income. CONCLUSION: This study suggests that there is no relationship between literacy and multimorbidity when controlling for age and family income.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle