Health literacy and chronic disease management: drawing from expert knowledge to set an agenda
Notice bibliographique
Résumé
Understanding the nature and impact of health literacy is a priority in health promotion and chronic disease prevention and treatment. Health literacy comprises the application of a broad set of skills to access, comprehend, evaluate, communicate and act on health information for improved health and well-being. A complex concept, it involves multiple participants and is enacted across a wide variety of contexts. Health literacy's complexity has given rise to challenges achieving a standard definition and developing means to measure all its dimensions. In May 2013, a group of health literacy experts, clinicians and policymakers convened at an Expert Roundtable to review the current state of health literacy research and practice, and make recommendations about refining its definition, expanding its measurement and integrating best practices into chronic disease management. The four-day knowledge exchange concluded that the successful integration of health literacy into policy and practice depends on the development of a more substantial evidence base. A review of the successes and gaps in health literacy research, education and interventions culminated in the identification of key priorities to further the health literacy agenda. The workshop was funded by the UBC Peter Wall Institute for Advanced Studies, Vancouver.
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 | 0,134 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,014 | 0,005 |
| Études des sciences et des technologies | 0,010 | 0,030 |
| Communication savante | 0,026 | 0,045 |
| Science ouverte | 0,007 | 0,036 |
| Intégrité de la recherche | 0,020 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».