The relationship between health literacy and patient activation among frequent users of healthcare services: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Frequent users of healthcare services are a vulnerable population that deserves attention due to high costs and negative outcomes such as lower quality of life and higher mortality. Healthcare systems should offer interventions tailored to their needs and to their level of health literacy, including strategies to promote activation. The relationship between health literacy and patient activation remains to be explored. The aim of this study was to examine the association between health literacy and patient activation in a population of frequent users of healthcare services with chronic diseases. METHODS: Cross-sectional data were collected (before randomization) through a clinical trial evaluating a case management intervention in primary care. Participants (n = 247) were recruited from the list of frequent users of 4 Family Medicine Groups (FMG) in the Saguenay-Lac-St-Jean region of Québec (Canada). They completed questionnaires by self-report during an encounter with a research assistant: (1) the Newest Vital Sign (NVS) to evaluate health literacy (independent variable); and (2) the Patient Activation Measure-13 (PAM-13) to evaluate patient activation (dependent variable). The relationship between health literacy and activation was examined using biserial correlations. RESULTS: No association was found between health literacy (independent variable) and patient activation (rb = 0.075, ρ = 0.07) for this population of frequent users of healthcare services. CONCLUSIONS: This study suggests that there is no relationship between health literacy and patient activation among frequent users of healthcare services. TRIAL REGISTRATION: NCT01719991 . Registered October 25, 2012.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».