Addressing Health Literacy in Patient Decision Aids: An Update from the International Patient Decision Aid Standards
Notice bibliographique
Résumé
Background There is increasing recognition of the importance of addressing health literacy in patient decision aid (PtDA) development. Purpose An updated review as part of IPDAS 2.0 examined the extent to which PtDAs are designed to meet the needs of people with low health literacy/socially-disadvantaged populations. Data Sources Reference lists of Cochrane reviews of randomized controlled trials (RCTs) of PtDAs (2014, 2017, and upcoming 2021 versions). Study Selection RCTs that assessed the impact of PtDAs on low health literacy or other socially-disadvantaged groups (i.e., ≥50% participants from socially-disadvantaged groups and/or subgroup analysis in socially-disadvantaged group/s). Data Extraction Two researchers independently extracted data into a standardized form including PtDA development and evaluation details. We searched online repositories and emailed authors to access PtDAs to verify grade reading level, understandability, and actionability. Data Synthesis Twenty-five of 213 RCTs met the inclusion criteria, illustrating that only 12% of studies addressed the needs of low health literacy or other socially-disadvantaged groups. Grade reading level was calculated in 8 of 25 studies (33%), which is recommended in previous IPDAS guidelines. We accessed and independently assessed 11 PtDAs. None were written at sixth-grade level or below. Ten PtDAs met the recommended threshold for understandability, but only 5 met the recommended threshold for actionability. We also conducted a post hoc subgroup meta-analysis and found that knowledge improvements after receiving a PtDA were greater in studies that reported using strategies to reduce cognitive demand in PtDA development compared with studies that did not (χ 2 = 14.11, P = 0.0002, I 2 = 92.9%). Limitations We were unable to access 13 of 24 PtDAs. Conclusions. Greater attention to health literacy and socially-disadvantaged populations is needed in the field of PtDAs to ensure equity in decision support.
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 | 0,218 | 0,306 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,010 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,009 | 0,014 |
| Intégrité de la recherche | 0,007 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».