Organizational health literacy in primary care: a type 2 hyprid effectiveness-implementation study
Notice bibliographique
Résumé
Abstract Background Promoting organizational health literacy (OHL) in primary care is crucial for public health, as it aligns healthcare services with patient needs and strengthens the health literacy of patients, caregivers, and professionals. For this purpose, the Swiss OHL Self-Assessment Tool for Primary Care (OHL Self-AsseT) was developed, accompanied by an implementation strategy. The aim of the current phase is to evaluate the effectiveness of the OHL Self-AsseT (organizational/professional health literacy) and implementation outcomes. Methods Using a type 2 hybrid effectiveness-implementation design, the study evaluates both the intervention effectiveness and implementation outcomes. For intervention evaluation, a quasi-experimental pre-post design is applied in 18-20 primary care teams. Data collection started in 2024 and will last until the end of 2025 through validated online questionnaires. The implementation outcomes are evaluated via an explanatory mixed-method design, oriented to Normalization Process Theory. Data of a subsample of 24-28 participants is collected via questionnaires and interviews. Results Results of 6 teams show an improvement in all 6 OHL dimensions and positive effects on strengthening leadership skills. Further qualitative implementation data show that participants reported an improved ability to identify areas that need change and were able to implement change while interacting with their management. Conclusions Based on the so far available data, the OHL Self-AsseT seems to offer practical and sustainable support for primary care teams in improving their OHL. Effectiveness data from the larger sample will be presented at the conference and is crucial before scaling the tool. Based on the validated implementation strategy, the tool can be seamlessly integrated into existing organizational development processes, fostering long-term improvements in health literacy on a large scale.
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 | 0,020 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».