French Translation and Validation of the e-HEALS and the sDHLI scales with Canadian Seniors
Notice bibliographique
Résumé
<h3>Introduction:</h3> e-Health literacy, the ability to understand and use online health information, can be assessed by scales such as the e-Health Literacy Scale (eHeals) and the performance sub-scale of Digital Health Literacy Instrument (sDHLI). However, these scales are not available in French. <h3>Objective:</h3> To translate and validate the eHeals and the sDHLI from English into French. <h3>Methodology:</h3> A translation-back translation process involving six steps with independent translators was carried out. The final versions were validated through an online survey in Canada among Canadian seniors (>65 years). The internal consistencies of the translated scales were calculated, and the average e-health literacy scores between French-speaking and English-speaking individuals were compared. <h3>Results:</h3> A total of 1,000 Canadian seniors participated in the validation, predominantly male (54.6%), white (90.6%), English-speaking (62.9%), with a university level of education (42%). The study achieved a 100% completion rate, as all 1,000 participants fully completed the survey without any dropouts or missing data. The translated scales showed internal consistencies of 0.88 for eHeals and 0.40 for the sDHLI. Significant differences were observed between the average scores of English-speaking and French-speaking respondents for the sDHLI subscale (p < 0.0001), but not for the eHeals (p = 0.4) <h3>Conclusion:</h3> Validated French versions of the scales have been produced and culturally adapted. The differences in scores between respondents demonstrate the importance of cultural adaptation in the translation of measurement scales.
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 | 0,004 | 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».