Littératie et numératie en matière de santé : Facteurs clés dans la compréhension du risque de cancer
Notice bibliographique
Résumé
En cette ère de maladies chroniques et de prise de décision partagée, les personnes sont encouragées à participer à la prise de décisions concernant leurs soins de santé. La littératie (y compris la numératie) en matière de santé est essentielle à une participation significative, et elle est reconnue comme étant un déterminant de la santé. Cette étude visait à décrire l'influence de la littératie, soit les habiletés en lecture de textes suivis et en mathématiques, de l'angoisse des mathématiques, du niveau d'instruction et du contexte de l'information sur la capacité du participant de comprendre l'information sur la prévention du cancer colorectal diffusée sur Internet. Des données sur la littératie, la numératie et l'angoisse des mathématiques, de même que des données démographiques, ont été recueillies pour 140 Canadiens âgés de 50 ans et plus. Les participants ont obtenu des résultats satisfaisants en littératie (STOFHLA), des résultats élevés en numératie (STOFHLA), ils ont présenté des niveaux moyens de numératie en matière de santé, des niveaux faibles de numératie en général et une angoisse des mathématiques modérée. Ils avaient une meilleure compréhension de l'information courante (9,14/11) sur le cancer colorectal comparativement à l'information peu courante (7,64/11) (p $lt; 0,01). La littératie, la numératie, l'angoisse des mathématiques et le niveau d'instruction expliquaient 60 % de la variation dans les résultats obtenus par les participants en ce qui concerne la compréhension de l'information. Il faut présenter un niveau de numératie allant d'un niveau élémentaire à un niveau avancé pour pouvoir comprendre l'information sur les risques liés au cancer diffusée sur Internet. La littératie améliore la numératie lorsque le sujet est moins bien connu. Ces constatations soulignent l'importance de présenter sur Internet de l'information en matière de santé qui tient compte de différents niveaux de littératie et de numératie.
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 | 0,008 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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.
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 ».