Littératie et numératie en matière de santé : Facteurs clés dans la compréhension du risque de cancer
Bibliographic record
Abstract
En cette ère de maladies chroniques et de prise de décision partagée, les personnes sont encouragées à participer à la prise de décisions concernant leurs soins de santé. La littératie (y compris la numératie) en matière de santé est essentielle à une participation significative, et elle est reconnue comme étant un déterminant de la santé. Cette étude visait à décrire l'influence de la littératie, soit les habiletés en lecture de textes suivis et en mathématiques, de l'angoisse des mathématiques, du niveau d'instruction et du contexte de l'information sur la capacité du participant de comprendre l'information sur la prévention du cancer colorectal diffusée sur Internet. Des données sur la littératie, la numératie et l'angoisse des mathématiques, de même que des données démographiques, ont été recueillies pour 140 Canadiens âgés de 50 ans et plus. Les participants ont obtenu des résultats satisfaisants en littératie (STOFHLA), des résultats élevés en numératie (STOFHLA), ils ont présenté des niveaux moyens de numératie en matière de santé, des niveaux faibles de numératie en général et une angoisse des mathématiques modérée. Ils avaient une meilleure compréhension de l'information courante (9,14/11) sur le cancer colorectal comparativement à l'information peu courante (7,64/11) (p $lt; 0,01). La littératie, la numératie, l'angoisse des mathématiques et le niveau d'instruction expliquaient 60 % de la variation dans les résultats obtenus par les participants en ce qui concerne la compréhension de l'information. Il faut présenter un niveau de numératie allant d'un niveau élémentaire à un niveau avancé pour pouvoir comprendre l'information sur les risques liés au cancer diffusée sur Internet. La littératie améliore la numératie lorsque le sujet est moins bien connu. Ces constatations soulignent l'importance de présenter sur Internet de l'information en matière de santé qui tient compte de différents niveaux de littératie et de numératie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".