MétaCan
Menu
Retour à la cohorte
Enregistrement W2925081353 · doi:10.2196/12134

Reading Level and Suitability of Congestive Heart Failure (CHF) Education in a Mobile App (CHF Info App): Descriptive Design Study

2019· article· en· W2925081353 sur OpenAlexvenueno aff
Ponrathi Athilingam, Barbara A Redding

Notice bibliographique

RevueJMIR Aging · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReadabilityReading (process)Index (typography)Heart failureMedicineDescriptive statisticsCalculatorScale (ratio)Health literacyComputer scienceCardiologyWorld Wide WebHealth careStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Education at the time of diagnosis or at discharge after an index illness is a vital component of improving outcomes in congestive heart failure (CHF). About 90 million Americans have limited health literacy and have a readability level at or below a 5th-grade level, which could affect their understanding of education provided at the time of diagnosis or discharge from hospital. OBJECTIVE: The aim of this paper was to assess the suitability and readability level of a mobile phone app, the CHF Info App. METHODS: A descriptive design was used to assess the reading level and suitability of patient educational materials included in the CHF Info App. The suitability assessment of patient educational materials included in the CHF Info App was independently assessed by two of the authors using the 26-item Suitability Assessment of Materials (SAM) tool. The reading grade level for each of the 10 CHF educational modules included in the CHF Info App was assessed using the comprehensive online Text Readability Consensus Calculator based on the seven most-common readability formulas: the Flesch Reading Ease Formula, the Gunning Fog Index, the Flesch-Kincaid Grade Level Formula, the Coleman-Liau Index, the Simplified Measure of Gobbledygook Index, the Automated Readability Index, and the Linsear Write Formula. The reading level included the text-scale score, the ease-of-reading score, and the corresponding grade level. RESULTS: The educational materials included in the CHF Info App ranged from a 5th-grade to an 8th-grade reading level, with a mean of a 6th-grade level, which is recommended by the American Medical Association. The SAM tool result demonstrated adequate-to-superior levels in all four components assessed, including content, appearance, visuals, and layout and design, with a total score of 77%, indicating superior suitability. CONCLUSIONS: The authors conclude that the CHF Info App will be suitable and meet the recommended health literacy level for American adult learners. Further testing of the CHF Info App in a longitudinal study is warranted to determine improvement in CHF knowledge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,440
Écart entre enseignants0,373 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207