MétaCan
Menu
Retour à la cohorte
Enregistrement W6977389487 · doi:10.6084/m9.figshare.c.5286946

A conceptual model of functional health literacy to improve chronic airway disease outcomes

2021· other· en· W6977389487 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2021
Typeother
Langueen
DomainePsychology
ThématiqueCategorization, perception, and language
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConceptual modelHealth literacyNumeracyEmpowermentDiseaseProcess (computing)LiteracyConceptual frameworkChronic disease

Résumé

récupéré en direct d'OpenAlex

Abstract Background Current conceptual models of health literacy (HL) illustrate the link between HL and health outcomes. However, these models fail to recognize and integrate certain elements of disease management, health system factors, and socio-demographic factors into their framework. This article outlines the development of Chronic Airway Disease (CAD) Management and Health Literacy (CADMaHL) conceptual model that integrates the aforementioned elements and factors into a single framework. Methods Information obtained during the following stages informed the development of our model: (1) a systematic review of existing CAD HL measurement tools that apply core HL domains; (2) patient-oriented focus group sessions to understand HL barriers to CAD self-management practices; (3) key-informant interviews to obtain potential strategies to mitigate CAD management barriers, and validate disease self-management topics; (4) elicited the perspectives of Canadian respirologist’s on the ideal functional HL skills for asthma and COPD patients. Results Throughout the study process many stakeholders (i.e., patients, key-informants, and an international HL advisory panel) contributed to and reviewed the model. The process enabled us to organize the CADMaHL model into 6 primary modules, including: INPUT, consisting of four HL core components (access, understand, communicate, evaluate,) and numeracy skills; OUTPUT, including application of the obtained information; OUTCOME, covering patient empowerment in performing self-management practices by applying HL skills; ASSESSMENT, consisting of information about functionality and relevancy of CADMaHL; IMPACT, including mediators between HL and health outcomes; CROSSCUTTING FACTORS, consisting of diverse socio-demographics and health-system factors with applicability across the HL domains. Conclusions We developed the CADMaHL model, with input from key-stakeholders, which addresses a knowledge gap by integrating various disease management, health-system and socio-demographic factors absent from previous published frameworks. We anticipate that our model will serve as the backbone for the development of a comprehensive HL measurement tool, which may be utilized for future HL interventions for CAD patients. Trial registration NCT01474928 - Date of registration: 11/26/2017.

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)0,008
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,006
Communication savante0,0040,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,050
Tête enseignante GPT0,347
Écart entre enseignants0,297 · 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'étudeThéorique ou conceptuel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetCategorization, perception, and languageTravaux en français237 207