Evaluation of Readability Scores of Discharge Summaries Written by Senior Veterinary Students and Clinical Instructors on a Primary Care Rotation
Notice bibliographique
Résumé
Health literacy, the ability of patients to understand and make informed decisions regarding health care, is an integral determinant of compliance and satisfaction with care. Readability of patient-oriented materials is a major factor affecting health literacy. As a result, the National Institutes of Health (NIH) and the American Medical Association (AMA) have published recommendations that public-oriented health education materials be written at a maximum of a sixth-grade equivalent reading level. Animal caregivers' health literacy likely has a similarly significant impact on animal care and welfare. Current literature, however, shows that many veterinary education materials are written at higher than recommended levels. Educating veterinary students in the utility and methodology of creating readable medical discharge documents is paramount to addressing this issue. In this study, student-created discharge documents and clinical instructor edits were collected from medical record software at the beginning and conclusion of the clinical year. Discharge documents were categorized by the patient's reason for presentation (wellness, non-wellness, or procedural) as well as whether the recipient had advanced veterinary training. Using a readability calculator, the Flesch-Kincaid (F-K) readability score was reported for each document. Mean readability scores for both groups exceeded the recommended sixth-grade reading level. No significant difference was found between student and instructor scores for all document types at both time points. Wellness documents had the highest mean readability scores, and procedural documents had the lowest. Student scores collectively increased at the second time point, with non-wellness documents exhibiting the largest degree of disparity between the two time points. The recipient's degree of veterinary training did not significantly affect readability scores.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».