Universal Measures of Support Are Needed: A Cross-Sectional Study of Health Literacy in Patients with Dupuytren’s Disease
Notice bibliographique
Résumé
BACKGROUND: Health literacy represents the degree to which patients can understand and act on health information. The relevance of health literacy to health care delivery, outcomes, and overall surgical care is unambiguous. This study aimed (1) to determine the prevalence of limited health literacy in patients diagnosed with Dupuytren's contracture and (2) to identify independent predictors of limited health literacy. METHODS: This cross-sectional study included patients with Dupuytren's disease and with self-reported English fluency. The Newest Vital Sign, a rapid, validated, and reliable screening tool, was selected to measure health literacy. An exploratory multivariable logistic regression model was used to identify possible predictors of limited health literacy. RESULTS: A total of 185 patients met eligibility criteria and were included. From those, 82 (44 percent) were found to have limited health literacy, defined as a score of 3 or less on the Newest Vital Sign. The domain of prose literacy was most highly scored compared to numeracy and document literacy. Lower household income was associated with a 4.7-fold increase in the odds of having limited health literacy. Being an immigrant also increased the odds of having limited health literacy by a factor of 3.6. Sensitivity analyses and subgroup analyses (based on education, maternal language, and immigration status) corroborated these independent predictor findings. CONCLUSIONS: Limited health literacy is common among patients with Dupuytren's contracture. System level changes are necessary such as the access and integration to clinical care of universal measures of support to promote productive patient-surgeon interactions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».