Development and Psychometric Evaluation of the Preconception Health Knowledge Questionnaire
Notice bibliographique
Résumé
PURPOSE: To develop and psychometrically test a comprehensive measure of preconception health knowledge. DESIGN: Cross-sectional survey, in May and June, 2019. SETTING: Alberta, Ontario, and Québec, Canada. SAMPLE: One thousand seven hundred seventy-seven women and men with ≥1 children born in the last 5 years or planning a pregnancy in the next 5 years. MEASURES: Using prior literature and input from public health nurses and physicians, the Preconception Health Knowledge Questionnaire (PHKQ) was developed and comprised 25 multiple choice questions on reproductive history, sexual health, infectious diseases, chronic medical conditions, mental health, medications, immunizations, lifestyle behaviors, psychosocial stressors, and environmental exposures. ANALYSIS: Psychometric testing was undertaken to evaluate item difficulty, discrimination, quality of response alternatives, internal consistency, and construct validity. RESULTS: Participants had a mean total score of 15.8/25 (SD = 3.9); women and men had mean total scores of 16.2 (SD = 3.6) and 13.8 (SD = 4.7), respectively. Most items were neither too difficult nor too easy, discriminated well between participants with high and low knowledge, and had appropriate response alternatives. High internal consistency (KR-20 = 0.87) and construct validity, shown via significant correlations with education level and previous preconception care receipt, were demonstrated. CONCLUSION: The PHKQ is a reliable and valid tool for measuring preconception health knowledge and may be useful in identification of high-risk groups in need of preconception health education and evaluation of preconception health interventions.
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 | 0,004 | 0,000 |
| 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 | 0,000 | 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 ».