Measuring Health Literacy in Individuals With Diabetes
Notice bibliographique
Résumé
OBJECTIVE: To identify instruments used to measure health literacy and numeracy in people with diabetes; evaluate their use, measurement scope, and properties; discuss their strengths and weaknesses; and propose the most useful, reliable, and applicable measure for use in research and practice settings. METHODS: A systematic literature review was conducted to identify the instruments. Nutbeam's domains of health literacy and a diabetes health literacy skill set were used to evaluate the measurement scope of the identified instruments and to evaluate their applicability in people with diabetes. RESULTS: Fifty-six studies were included, from which one diabetes-specific (LAD) and eight generic measures of health literacy (REALM, REALM-R, TOFHLA, s-TOFHLA, NVS, 3-brief SQ, 3-level HL Scale, SILS) and one diabetes-specific (DNT) and two generic measures of numeracy (SNS, WRAT) were identified. These instruments were categorized into direct measures, that is, instruments that assess the performance of individuals on health literacy skills and indirect measures that rely on self-report of these skills. The most commonly used instruments measure selective domains of health literacy, focus mainly on reading and writing skills, and do not address other important skills such as verbal communication, health care system navigation, health-related decision making, and numeracy. The structure, mode, and length of administration and measurement properties were found to affect the applicability of these instruments in clinical and research settings. Indirect self- or clinician-administered measures are the most useful in both clinical and research settings. CONCLUSION: This review provides an evaluation of available health literacy measures and guidance to practitioners and researchers for selecting the appropriate measures for use in clinical settings and research applications.
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 | 0,012 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».