Prevalence of non-adequate health literacy in Europe: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Many studies show that a low level of health literacy (HL) is associated with several adverse outcomes. The aim of this systematic review was to estimate the prevalence of non-adequate HL (NAHL) in European countries and outline the main needs for interventions. Methods The systematic search was performed in April 2019 and updated in June 2019. PubMed, Embase and Scopus were searched. Articles were considered eligible if they were cross-sectional studies published in English after 2000 and estimating the NAHL prevalence in European countries. Globally, 15490 articles were retrieved. Adapted Newcastle-Ottawa Scale was applied for the quality assessment. Several stratified meta-analyses were carried out. We also performed a meta-regression analysis to test the association between variables and NAHL. Results In total, 59 articles of heterogeneous quality were included, providing data for 98 studies to include in the proportion meta-analysis. Overall, quantitative analysis yielded a pooled NAHL prevalence of 40% (95%CI, 36%-43%). Despite the prevalence varied considerably by country, it seemed to follow a geographic gradient, with the northern countries clearly having a lower prevalence than the other European counterparts. The pooled prevalence estimates (PEs) varied significantly according to the different type of HL assessment method applied. Also, high study quality was found to be significantly associated with a reduction of NAHL in the PEs. Grouping the sample in general population, oncology patients, chronic disease patients and refugees, the meta-regression analysis showed a significantly lower prevalence of NAHL in oncology patients. Conclusions Although the PEs varied in relation to several factors (e.g. either among population groups, or depending on the HL assessment method), this study shows that more than one in every three surveyed participants had NAHL. Targeted strategies and coordinated policies aiming at improving HL in the Region are needed. Key messages Despite several variations, a significant proportion of European population has non-adequate health literacy. Targeted public health strategies of intervention are crucial to address this deficit.
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 | 0,019 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,035 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».