<scp>HELP</scp>‐<scp>KIDNEY</scp>: Health Literacy and Patient Outcomes in Pediatric Kidney Transplant
Notice bibliographique
Résumé
ABSTRACT Background Below adequate health literacy is common and linked to increased risk of adverse health outcomes. Supporting optimal health following kidney transplantation requires the capacity to understand health information and make decisions about care. The impact of low health literacy in the context of pediatric kidney transplant has not previously been studied. Methods This retrospective cohort study sought to determine the relationship between caregiver or patient health literacy and healthcare utilization (outpatient hospital visits, days in hospital) and to explore relationships between health literacy and adherence to tacrolimus (trough level coefficient of variation) and allograft function post‐transplant. Results Forty patients were included in the analysis. 60% were identified as having adequate literacy using the Newest Vital Sign (NVS). Lower health literacy was significantly correlated with increased healthcare utilization in the first 3 months post‐transplant (rs = −0.36, p = 0.024) and in the first year post‐transplant (rs = −0.35, p = 0.029). No association was demonstrated between health literacy level and number of days admitted to the hospital (rs = −0.16, p = 0.321), adherence to tacrolimus 6–12 months post‐transplant (rs = 0.078, p = 0.68), or change in allograft function 2 years post‐transplant (rs = −0.13, p = 0.43). Conclusion Limited health literacy is common in pediatric kidney transplant recipients and families and is associated with increased frequency of hospital and outpatient clinic department visits early post‐transplant. In this small‐sized cohort, we did not identify a relationship between health literacy level and hospitalization days, allograft function, or tacrolimus adherence. Larger studies are needed to evaluate the relationship between health literacy and transplant outcomes in children and test interventions that may improve communication and optimize care.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».