Notice bibliographique
Résumé
Police officers are uniquely positioned in that they are often the first on scene to respond following health-related calls for help. As a result, they often encounter victims and vulnerable community members at risk for adverse outcomes and low health literacy. In response, a large urban police department in the Southwestern United States, the Phoenix Police Department, implemented a 60-minute didactic Health Literacy Training for Public Safety Professionals presentation to educate recruits in the police academy about health literacy universal precautions and how to apply them specifically to police practice. To evaluate the training’s impact, participating recruits completed pre- and post-training surveys assessing health literacy knowledge, self-efficacy, and planned use of health literacy universal precautions in victim encounters. Survey responses were then analysed using paired sample t-tests, and crosstabs analysis was performed to assess differences by participants’ age, gender, and education level. In total, six trainings were delivered to 139 police recruits, and there were significant improvements in their knowledge of health literacy, self-efficacy, and intended frequency of use of communication techniques (p < 0.001). There was no significant association between recruits’ age, gender, and education level on post-training survey responses. Following the health literacy training, the improved knowledge, self-efficacy, and planned behaviour across age, gender, and education history supports the benefit of health literacy training for all policerecruits. Moreover, findings support the notion that evidence-based and standardized health literacy trainings should be widely incorporated into the education of public safety professionals.
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».