Effect of Communicative and Critical Health Literacy on Trust in Physicians Among Patients With Systemic Lupus Erythematosus (SLE): The TRUMP2-SLE Project
Notice bibliographique
Résumé
OBJECTIVE: Patients who trust their physicians have been shown to demonstrate good medication adherence, self-management, and favorable disease outcomes. This study examines how trust in physicians is affected by functional health literacy (HL) and by broader concepts of HL, including communicative HL and critical HL, among patients with systemic lupus erythematosus (SLE). METHODS: This was a cross-sectional study using baseline data from the Trust Measurement for Physicians and Patients with SLE (TRUMP2-SLE) study, an ongoing multicenter cohort study conducted at 5 academic centers. The 14-item Functional, Communicative, and Critical Health Literacy Scale assessed the 3 dimensions of HL; each item of the scale was scored on a 4-point Likert scale, ranging from 1 to 4. Outcomes were trust in one's physician and trust in physicians in general using the 5-item Wake Forest Physician Trust Scale, which ranged from 0 to 100 points. General linear models were fit. RESULTS: A total of 362 patients with SLE were included. Trust in one's physician increased with higher functional and communicative HL (per 1-point increase: mean difference 3.39, 95% CI 0.39-6.39, and mean difference 5.88, 95% CI 2.04-9.71, respectively). Trust in physicians in general increased with higher communicative HL and decreased with higher critical HL (per 1-point increase: mean difference 7.09, 95% CI 2.34-11.83, and mean difference -6.88, 95% CI -11.72 to -2.04, respectively). Longer internet use was associated with both higher communicative and critical HL. CONCLUSION: The findings suggest that rheumatologists need to improve their communication to match each patient's HL, which may foster trust and lead to improved self-management and outcomes in SLE. They also suggest that the formation of the rheumatologist-patient relationship may negate the effect of high critical HL in building trust.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».