MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413799907 · doi:10.20944/preprints202508.1972.v1

Developing a Health System Literacy Measure for Chinese Immigrants in Canada: Adapting the HLS19-NAV Scale

2025· preprint· en· W4413799907 sur OpenAlexfundaboutno aff
Anh Thu Vo, Ying Cao, Lixia Yang, Robin Urquhart, Yanqing Yi, Peter Wang

Notice bibliographique

RevuePreprints.org · 2025
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMemorial University of NewfoundlandBeatrice Hunter Cancer Research InstituteCancer Research Institute
Mots-clésCronbach's alphaConfirmatory factor analysisExploratory factor analysisHealth literacyScale (ratio)Discriminant validityContext (archaeology)Structural equation modelingConstruct validityPsychologyHealth careLiteracyImmigrationPopulationMedicineConvergent validityContent validityNursingClinical psychologyPatient satisfactionStatisticsPsychometricsEnvironmental healthGeographyMathematicsPedagogy

Résumé

récupéré en direct d'OpenAlex

Background: Health system literacy is crucial for immigrants to navigate health care systems and access necessary services. Little is known about how well immigrants understand and use the healthcare system in Canada. This study aimed to adapt and validate a health system literacy scale for the Canada context (HSL-CAN) using factor analysis approach. Methods: A cross-sectional online survey was conducted from March 11st to July 19th, 2024, among Chinese individuals aged 30 or older who have lived in Canada for at least 6 months. The HSL-CAN was developed through a literature review, patient and provider consultation, and adaptation of the European Health Literacy Population Survey 2019-2021 for navigational health literacy measurement (HLS19 – NAV). The measure was translated into Simplified and Traditional Chinese, and its content was evaluated by stakeholders’ feedback. Structural validity was evaluated using exploratory (EFA) and confirmatory (CFA) factor analysis. Convergent and discriminant validity were tested using correlations with the HLS19-SF12 and known-group validity was evaluated by using ANOVA or ttest and reporting effect size. Internal consistency was evaluated through Cronbach’s alpha coefficient and composite reliability. Results: Initially, HSL-CAN contained 25 items developed using a 5-Likert response scale. Some minor revisions were made according to the stakeholders’ feedback (n=12). Five items with factor loading < 0.4 were removed based on the EFA. The one-factor CFA satisfied good fit indices: CFI=0.960, TLI=0.955, SRMR=0.033, RMSEA (90%CI) = 0.025(0.016-0.032), and χ^2/df ratio of 1.41. The scale showed a solid internal reliability (Cronbach’s alpha=0.81; composite reliability=0.812). For convergent and discriminant validity, the HSL-CAN showed a high correlation with the ‘health care’ construct but a low correlation with the ‘health prevention and promotion construct’ construct of HLS19 – SF12. Known-group validity showed large mean differences by education, income, non-cancer chronic comorbidities, and small to moderate mean differences by gender, age groups, employment status, self-rated health, and assistance needed to see a healthcare provider. Conclusion: Study findings provide evidence that the HSL-CAN is a valid and reliable tool for evaluating health system literacy in Chinese population in Canada. However, further refinement is recommended before using this scale to the general population in Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,515

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,178
Tête enseignante GPT0,478
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.org→Même sujetHealth Literacy and Information Accessibility→Travaux en français237 207→