Development and validation of the S-TIMHSS: a quality metric to inform and evaluate interventions to (re)build trust
Notice bibliographique
Résumé
Introduction: Public acceptance of health messaging, recommendations, and policy is heavily dependent on the public's trust in doctors, health systems and health policy. Any erosion of public trust in these domains is thus a concern for public health as it can no longer be assumed that the public will follow official health recommendations. In response, the health policy and health services communities have emphasized a commitment to (re)building trust in healthcare. As such, measures of trust that can be used to develop and evaluate interventions to (re)build trust are highly valuable. In 2024, the Trust in Multidimensional Health System Scale (TIMHSS) was published, providing the first measure of trust in healthcare that includes doctors, the system and health policy within a single measure. This measure can effectively facilitate research on trust across diverse populations. However, it is limited in its application because results cannot be directly added together for a total trust score. Further, at 38-items, it is burdensome for respondents and analysts, particularly when being used as a repeat measure in an applied setting. The aim of the present work was to develop a shortened measure of trust in healthcare for use in applied settings. Methods: = 512; in Sept 2024) to reduce the number of items and to test if the factor structure was consistent with the original TIMHSS. Several statistical criteria were used to support item reduction (i.e., correlated errors, measurement invariance, inter-item correlations, factor loadings and communalities, item-total correlation, and skewness), as well as an exercise testing the content validity ratio (CVR). We then tested a three-factor model based on the 18 items that remained following the CVR and statistical test metrices to finalize the measure. Results: The S-TIMHSS is an 18-item scale that allows for direct scoring of trust items for applied research. It preserves the content, convergent, and criterion validity of the original 38-item version. Discussion: We recommend the measure be used by health policy makers and practitioners as a quality metric to inform and evaluate interventions which aim to (re)build trust in doctors, health systems and health policy.
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 | 0,075 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».