A Review of Global Health Information Literacy Policies and Recommendations for Iran
Notice bibliographique
Résumé
Background. Health information literacy is a fundamental capability that enhances informed decision-making regarding individual and community health. Despite its importance in global health system policymaking, this domain in Iran faces significant structural and content-related challenges. This study aims to analyze and compare health information literacy policies in Iran with those of selected countries and to provide a concise summary of local policy through an analytical–comparative approach. Methods. This study, employing an analytical-comparative approach, presents a policy review that provides a narrative summary of local health information policies in Iran and selected countries. The data used in this study include national and international policy documents, scientific articles indexed in Scopus, PubMed, Web of Science, and SID databases, reports from international organizations such as WHO and OECD, and health policy resources from selected countries (Australia, Canada, the United States, and the European Union). Results. In Iran, policymaking related to health information literacy education is primarily shaped within three major institutions: The Ministry of Health, the Ministry of Education, and the national media (IRIB). However, efforts within these institutions have been fragmented and inconsistent, lacking a unified and comprehensive national strategy. This fragmentation has led to isolated initiatives without institutional coordination. Conclusion. Health information literacy in Iran requires a fundamental shift in the policymaking approach to overcome current fragmentation and move toward an integrated policy framework. International experiences demonstrate that effective policymaking in this area depends on coordinated interaction among health institutions, education systems, media, and civil society. Adopting cohesive and strategic policies can improve public health outcomes and reduce health inequalities in Iran.
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 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».