Health Literacy: What Is It and Why Is It Important to Measure?
Notice bibliographique
Résumé
This report summarizes the proceedings of the first Outcome Measures in Rheumatology Clinical Trials (OMERACT) Health Literacy Special Interest Group workshop at the OMERACT 10 conference. Health literacy refers to an individual's capacity to seek, understand, and use health information. Discussion centered on the relevance of health literacy to the rheumatology field; whether measures of health literacy were important in the context of clinical trials and routine care; and, if so, whether disease-specific measures were required. A nominal group process involving 27 workshop participants, comprising a patient group (n = 12) and a healthcare professional and researcher group (n = 15), confirmed that health literacy encompasses a broad range of concepts and skills that existing scales do not measure. It identified the importance and relevance of patient abilities and characteristics, but also health professional factors and broader contextual factors. Sixteen themes were identified: access to information; cognitive capacity; disease; expression/communication; finances; health professionals; health system; information; literacy/numeracy; management skills; medication; patient approach; dealing with problems; psychological characteristics; social supports; and time. Each of these was divided further into subthemes of one or more of the following: knowledge, attitude, attribute, relationship, skill, action, or context. There were virtually no musculoskeletal-specific statements, suggesting that a generic health literacy tool in rheumatology is justified. The detailed concepts across themes provided new and systematic insight into what needs to be done to improve health literacy and consequently reduce health inequalities. These data will be used to derive a more comprehensive measure of health literacy.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».