Test sur le terrain de la version préliminaire de l’instrument de littératie en santé numérique (Lisane) pour l’adulte vivant avec une maladie chronique
Bibliographic record
Abstract
Introduction : L’utilisation des dispositifs numériques en santé améliorerait certains résultats cliniques. Proposer des interventions « en ligne » efficaces visant l’amélioration du processus d’adaptation des patients vivant avec une maladie chronique nécessite de disposer d’une mesure validée de la littératie en santé numérique. La mesure autorapportée « Lisane » a été construite et validée par des experts. Objectifs : Décrire le test sur le terrain de la version préliminaire de l’outil, plus spécifiquement le taux de non-réponse, les effets plafond et plancher, la redondance d’items et l’évaluation préliminaire de sa cohérence interne. Méthode : L’outil Lisane, composé de 14 items divisés en 5 domaines (e-littératie, fiabilité de l’information sur Internet, pertinence de l’information pour la santé personnelle, protection de la vie privée, pouvoir d’agir), a été appliqué auprès d’un échantillon de convenance (29 participants) recruté au Québec (communautés de patients) et en Suisse (milieu clinique). Le taux de non-réponse, les effets plafond et plancher ont été évalués. La redondance d’items a été décrite à titre exploratoire. La cohérence interne a été évaluée par le coefficient alpha de Cronbach. Résultats : Le taux de résultats manquants > 15% et une redondance (r = 0,94, p<0,05) des items du pouvoir d’agir ont été relevés. Un effet plancher a été identifié. L’alpha de Cronbach était de : α= 0,90, IC 95% [0.78 – 1.03]. Discussion et conclusion : Le test sur le terrain indique des limites dans l’outil comme un effet plancher et l’indication de redondance de certains items, mais une bonne évidence préliminaire de cohérence interne. La continuité d’analyse de ses propriétés psychométriques (validité, fidélité) s’avère nécessaire.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.032 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".