Measuring Health Literacy in Individuals With Diabetes
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
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.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle