Health literacy levels and their sociodemographic, family, and healthpredictors among primary health care patients in urban and ruralareas: a cross-sectional study
Notice bibliographique
Résumé
Wprowadzenie: Kompetencje zdrowotne (HL) odgrywają kluczową rolę w procesie uzyskiwania dostępu, rozumienia, oceniania i stosowania informacji związanych ze zdrowiem w obszarze opieki zdrowotnej, profilaktyki chorób i promocji zdrowia. Cel pracy: Określenie poziomu kompetencji zdrowotnych wśród pacjentów podstawowej opieki zdrowotnej (POZ) w zależności od miejsca zamieszkania oraz ocena wpływu wybranych predyktorów socjodemograficznych, rodzinnych i zdrowotnych na poziom kompetencji zdrowotnych w badanej grupie. Materiał i metody: Badania przekrojowe przeprowadzono między styczniem a grudniem 2020 roku wśród 566 pacjentów POZ. Dane zostały zebrane metodą paper and pencil interview (PAPI). Narzędziami badawczymi były Europejski kwestionariusz kompetencji zdrowotnych (HLS-EU-Q16), Kwestionariusz oceny sytuacji rodzinnej Family Apgar, Kwestionariusz ogólnego stanu zdrowia (GHQ-28) oraz autorski kwestionariusz ankiety. Wyniki: Średnia wieku uczestników badania wynosiła 49,28 ±18,39 roku. Wśród respondentów przeważały kobiety (63,3%; n = 358) oraz mieszkańcy obszarów wiejskich (52,5%; n = 297). Średni wynik kompetencji zdrowotnych mieszkańców miasta (12,19 ±3,5) był nieco wyższy niż mieszkańców rejonów wiejskich (11,91 ±4,1). Wiek, możliwości finansowe, funkcjonowanie rodziny (Family Apgar) i ocena stanu zdrowia psychicznego (GHQ-28) były istotnie powiązane z poziomem HL zarówno wśród mieszkańców miasta, jak i rejonów wiejskich (p < 0,05). Wnioski: W analizie wieloczynnikowej poziom HL wśród mieszkańców miast pozytywnie powiązany był z oceną funkcjonowania rodziny, natomiast możliwości finansowe oraz ocena stanu zdrowia psychicznego były powiązane negatywnie. Wśród mieszkańców obszarów wiejskich zmiennymi pozytywnie powiązanymi z poziomem HL były sytuacja materialna, źródło utrzymania oraz ocena funkcjonowania rodziny, natomiast płeć i ocena stanu zdrowia psychicznego były powiązane negatywnie.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».