What is the Prevalence of Low Health Literacy in European Union Member States? A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Many studies have shown that low health literacy (HL) is associated with several adverse outcomes. In this study, we systematically reviewed the prevalence of low HL in Europe. METHODS: PubMed, Embase, and Scopus were searched. Cross-sectional studies conducted in the European Union (EU), published from 2000, investigating the prevalence of low HL in adults using a reliable tool, were included. Quality was assessed with the Newcastle-Ottawa Scale. Inverse-variance random effects methods were used to produce pooled prevalence estimates. A meta-regression analysis was performed to assess the association between low HL and the characteristics of the studies. RESULTS: The pooled prevalence of low HL ranged from of 27% (95% CI: 18-38%) to 48% (95% CI: 41-55%), depending on the literacy assessment method applied. Southern, Western, and Eastern EU countries had lower HL compared to northern Europe (β: 0.87, 95% CI: 0.40-1.35; β: 0.59, 95% CI: 0.25-0.93; and β: 0.72, 95% CI: 0.06-1.37, respectively). The assessment method significantly influenced the pooled estimate: compared to word recognition items, using self-reported comprehensions items (β: 0.61, 95% CI: 0.15-1.08), reading or numeracy comprehensions items (β: 0.77, 95% CI: 0.24-1.31), or a mixed method (β: 0.66, 95% CI: 0.01-1.33) found higher rates of low HL. Refugees had the lowest HL (β: 1.59, 95% CI: 0.26-2.92). Finally, lower quality studies reported higher rates of low HL (β: 0.56, 95% CI: 0.06-1.07). DISCUSSION: We found that low HL is a public health challenge throughout Europe, where one in every three to almost one in every two Europeans may not be able to understand essential health-related material. Additional research is needed to investigate the underlying causes and to develop remedies. PROSPERO REGISTRATION: CRD42019133377.
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 | 0,024 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,032 |
| Bibliométrie | 0,011 | 0,010 |
| 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 | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».