P12 Concept analysis of health literacy: a nursing diagnosis proposal
Notice bibliographique
Résumé
Introduction Health Literacy (HL) interferes on health outcomes. This phenomenon enables nurses to identify individuals who may develop required skills for adequate HL. NANDA-I Taxonomy has diagnosis concerning specific aspects of HL. For this reason, either reviewing them or developing the Insufficient HL diagnosis is necessary. Objective To identify the elements within HL concept, in order to review or develop a nursing diagnosis on HL. Methods A review, according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines, led the concept analysis (concept selection, aims of conceptual analysis, concept possible use, detect the defining attributes, development of a model and additional cases, detect the antecedents, consequences and empirical references). A search was conducted in the PubMed, CINAHL, Embase, and LILACS database to identify original studies on patient health literacy, regardless of their age and health care setting. Combinations of key words and controlled vocabulary were used. Results The review highlighted HL cognitive, behavioural and affective attributes. The antecedents included limited health knowledge, health policies, health determinants, inefficient decision-making, and insufficient social support. The consequences were poor information exchange; medication and treatment non-adherence, prescription mistaken, and improper control of chronic diseases. The model and additional cases were developed, and specific empirical references identified. Conclusion Based on concept analysis elements, we recommend to either create the Insufficient HL nursing diagnosis or review the diagnoses on NANDA-I.
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 | 0,011 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,025 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».