MétaCan
Menu
Retour à la cohorte
Enregistrement W2786175694 · doi:10.3233/978-1-61499-830-3-178

Are Health Literacy and eHealth Literacy the Same or Different?

2017· article· en· W2786175694 sur OpenAlexaff
Helen Monkman, André Kushniruk, Jeff Barnett, Elizabeth M. Borycki, Leigh Greiner, Debra Sheets

Notice bibliographique

RevueStudies in health technology and informatics · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-cléseHealthHealth literacyLiteracyComputer sciencePsychologyPolitical scienceHealth carePedagogy

Résumé

récupéré en direct d'OpenAlex

Many researchers assume that there is a relationship between health literacy and eHealth literacy, yet it is not clear whether the literature supports this assumption. The purpose of this study was to determine if there was a relationship between health and eHealth literacy. To this end, participants' (n = 36) scores on the Newest Vital Sign (NVS, a health literacy measure) were correlated with the eHealth Literacy Scale (eHEALS, an eHealth literacy measure). This analysis revealed no relationship (r = -.041, p = .81) between the two variables. This finding suggests that eHealth Literacy and health literacy are dissimilar. Several possible explanations of the pattern of results are proposed. Currently, it does not seem prudent to use the eHEALS as the sole measure of eHealth literacy, but rather researchers should continue to complement it with a validated health literacy screening tool.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,280
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0090,001
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,123
Tête enseignante GPT0,528
Écart entre enseignants0,404 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207