Uncovering health literacy: Developing a remotely administered questionnaire for determining health literacy levels in health disparate populations
Notice bibliographique
Résumé
INTRODUCTION: Low health literacy contributes to health disparities. We sought to develop and evaluate a remotely administered tool to measure health literacy in health disparate populations. The basic research design involved asking the remotely administered questions in conjunction with an existing and valid measure of health literacy, the S-TOFHLA, to a non-representative convenience sample of individuals drawn from lower income communities. The measures of the remotely administered questions were then correlated with the results of the S-TOFHLA to determine if there was a connection between the two measures. We found a statistically significant correlation between a single question in the remotely administered survey and the validated S-TOFHLA measure. This research supports previous work that points to the importance of just a single remotely administered question in terms of correspondence with the S-TOFHLA. OBJECTIVE: Develop a questionnaire that can be remotely administered to check for Health Literacy. METHODS: Correlation analysis is conducted between various questions and S-TOFHLA scores to determine criterion validity. RESULTS: A single question, "How confident are you in filling out medical forms by yourself?" outperforms other measures in correlating with the S-TOFHLA scores. CONCLUSIONS: Further assessment of the confidence question both in isolation and in conjunction with other literacy identifiers should be conducted. Also, this question should be tested against other measures of health literacy beyond the S-TOFHLA.
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 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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».