Development and validation of a new comprehensive measurement tool for health insurance literacy
Notice bibliographique
Résumé
BACKGROUND: Health insurance literacy (HIL) reflects individuals' ability to understand, select, and effectively use health insurance, impacting healthcare access and utilization. Existing measurement tools often lack comprehensiveness or contextual relevance. This study aimed to develop a comprehensive questionnaire for measuring HIL, encompassing all recognized dimensions and expanding upon the Health Insurance Literacy Measure (HILM), while also adapting it to the specific cultural and national context, using Israel as a case study and proof of concept. METHODS: A multi-phase methodology was employed to develop a comprehensive HIL questionnaire, including an extensive literature review, expert consultations, and iterative pilot testing to ensure cultural and contextual relevance. Exploratory factor analysis (EFA) and reliability testing were conducted using data from a representative sample of 1,012 adults to validate its psychometric properties. RESULTS: A 75-item questionnaire was designed, covering four domains: confidence and behavior in choosing and using health insurance (HILM), self-report confidence in understanding of key insurance concepts, objective knowledge assessment, and self-assessment of HIL. The questionnaire employs a combination of Likert-type scales and binary scoring for objective knowledge items. EFA confirmed a robust multidimensional structure. The final model accounted for 61% of the variance in the confidence and behavior domains and 57% in the concept domain, while the objective knowledge domain showed less definitive factor loadings. Internal consistency was high across all domains (Cronbach's alpha = 0.80-0.95), and concurrent and convergent validity analyses demonstrated moderate to strong correlations with external measures of understanding and self-assessed knowledge, supporting its psychometric robustness. CONCLUSIONS: This validated questionnaire presents a robust, culturally adapted measure of HIL, integrating both objective knowledge and subjective confidence, offering insights into the multidimensional nature of HIL. It provides critical insights for policymakers and educators aiming to enhance public understanding and effective use of health insurance, setting the stage for targeted interventions and broader international applications. TRIAL REGISTRATION: Not applicable.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».