Determinants of health literacy and its impact on illness perception in patients with multiple sclerosis: evidence from patient-reported outcomes
Notice bibliographique
Résumé
Background: Health literacy (HL) is a key determinant of health outcomes, especially in chronic neurological diseases such as multiple sclerosis (MS). Insufficient HL may impair the ability of patients to manage their condition, reduce treatment adherence and increase the use of healthcare. Objective: To identify factors influencing HL among individuals with MS and to explore its association with illness perception and medication-related behaviours. Methods: Between April and September 2023, we consecutively enrolled 330 patients with MS from a single outpatient clinic. We included individuals aged 18-65 years with functional literacy, and we did not exclude participants based on MS subtype, education level, disability status or treatment characteristics. We assessed HL using the Newest Vital Sign, cognition using the Montreal Cognitive Assessment (MoCA), emotional status using the Hospital Anxiety and Depression Scale, and illness perception using the Brief Illness Perception Questionnaire (BIP-Q). We also evaluated self-reported medication adherence and perceived treatment benefits. After excluding 11 participants with incomplete data, we analysed 319 complete responses in accordance with Strengthening the Reporting of Observational Studies in Epidemiology guidelines. Results: Overall, 49.7% of participants demonstrated adequate HL. The HL correlated positively with MoCA scores and education (path coefficients: 0.117, 0.114) and negatively with disease duration, age and depression (-0.023,-0.029, -0.085). HL was positively associated with illness perception (BIP-Q coefficient: 1.558). The model explained 35.6% of the variance in HL and 5.7% in illness perception (R²=0.356; 0.057). Conclusion: Our findings suggest that routine HL assessment and targeted educational interventions may enhance understanding, adherence and informed decision-making, ultimately improving disease management and outcomes in MS.
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 | 0,011 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».