Developing a Food and Drug Interaction Knowledge Scale for Health Care Professionals: A Validity and Reliability Study
Notice bibliographique
Résumé
Objectives: Health professionals’ food-drug interaction knowledge level is related with efficiency of treatment. Given that, it’s important to measure the knowledge level. This study aims to develop a scale that can measure food-drug interaction knowledge level of health care professionals and increase awareness on this issue.Methods: A total of 200 individuals (50 from each profession: medical doctor, nurse, dietician and pharmacist) working in Ankara were selected. The scale consists of 25 items and three options for each: “True”, “False” and “I do not know”. In the evaluation, each correct answer equals to 1 (one) point, while the others (wrong and absent) equal to 0 (zero). Content validity and item analysis were conducted for the validity, and Cronbach alpha coefficient was measured. Results: Consequently, 4 items whose total correlation with the total score less than 0.15 were removed from the scale. Item difficulties in the scale vary between 0.20 and 0.96, and average item difficulty of the scale was found to be 0.61±0.18. The scale was evaluated on the basis of quarter points of 21 items. Accordingly, 25th percentile of 21 items was 5.25, 50th percentile was 10.25, and 75th percentile was 15.75. Score classification less than 5 means “low” knowledge level, between 6 and 11 “intermediate”, between 11 and 15 “good” and between 16 and 21 “very good”.Conclusions: Hereby, this scale was found to be highly valid and quite reliable to be used in order to determine the food-drug interaction knowledge levels of health care professionals.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».