கரின் ஆர் லார்சன், பால் டி சீட், ஜோன் ப்ரோதெரோ, மைக்கேல் எஸ் வுல்ஃப், கில்லியன் பி ரோலண்ட்ஸ்.
சூழல்: குறைந்த சுகாதார கல்வியறிவு (HL) என்பது ஒரு பொது சுகாதாரப் பிரச்சினையாகும், இது மக்கள்தொகை ஆரோக்கியம் மற்றும் நோய்களின் தாக்கங்களைக் கொண்டுள்ளது, இருப்பினும் அதிக மக்கள்தொகையில் சுகாதார கல்வியறிவு தரவைச் சேகரிப்பதற்கு சில கருவிகள் உள்ளன.
குறிக்கோள்: வழக்கமாக சேகரிக்கப்பட்ட சமூக-மக்கள்தொகை தரவுகளிலிருந்து சுட்டிக்காட்டும் செயல்பாட்டு HL அளவைப் பெறுவதற்கான முறையை உருவாக்குதல்.
முறை: ஒரு நபர் கட்டமைக்கப்பட்ட HL திறன் வரம்புக்கு மேல் அல்லது கீழே உள்ளாரா என்பதை எந்த சமூக-மக்கள்தொகை மாறிகள் சிறப்பாகச் சித்தரிக்கும் என்பதை நாங்கள் ஆராய்ந்தோம். ஒற்றைப்படை விகிதங்களை வாசலுக்குக் கீழே இருப்பதற்காக மதிப்பிட எடையிடப்பட்ட லாஜிஸ்டிக் பின்னடைவு பயன்படுத்தப்பட்டது. எடையுள்ள ரிசீவர் இயக்க பண்பு (ROC) பகுப்பாய்வு எந்த மாறிகள் குறைந்த HL ஐ சிறப்பாகக் கணிக்கின்றன என்பதை ஆய்வு செய்தது. ROC இன் (AU) இன் கீழ் உள்ள தனித்தன்மை, உணர்திறன் மற்றும் பகுதி ஆகியவை ஆபத்தை கணிக்கும் திறனுக்கான விளக்கங்களாகும்.
முடிவுகள்: மூன்று மாதிரிகள் உருவாக்கப்பட்டன; ஒன்று அனைத்து ஒன்பது மாறிகளையும் பயன்படுத்துகிறது; நான்கு மிகவும் முன்கணிப்பு மாறிகளைப் பயன்படுத்தி ஒரு நடைமுறை மாதிரி (தகுதி (தனிநபர் 16 வயதிற்குள் எதிர்பார்த்த அளவை அடைந்திருந்தால்), இனம், வீட்டு உரிமை மற்றும் பகுதி இழப்பு); மற்றும் ஒன்று "தகுதி" (ஒற்றை மிகவும் முன்கணிப்பு மாறி) மட்டுமே பயன்படுத்துகிறது. அனைத்து மாடல்களும் குறைந்த HL (AUROC 0.73 (95% CI 0.71; 0.74) முதல் 0.78 (95% CI 0.76; 0.79) வரை நல்ல கணிப்பைக் காட்டின, மேலும் சிக்கலான மாதிரிகளுடன் முன்கணிப்பு சக்தி அதிகரிக்கிறது.
முடிவு: குறைந்த HL இன் மிக முக்கியமான முன்கணிப்பு 16 வயதிற்குள் எதிர்பார்க்கப்படும் தகுதி நிலையை அடைவதாகும், கூடுதல் மாறிகள் அதிக முன்கணிப்பு ஆற்றலைச் சேர்க்கின்றன. உருவாக்கப்பட்ட சூத்திரங்கள் வழக்கமாக சேகரிக்கப்பட்ட சமூக-மக்கள்தொகை தரவுகளிலிருந்து மக்கள்தொகையில் செயல்பாட்டு HL அளவை மதிப்பிடுவதற்குப் பயன்படுத்தப்படலாம், எனவே பொது சுகாதார தகவல்தொடர்புகளின் பயனுள்ள வளர்ச்சி மற்றும் இலக்கை எளிதாக்குகிறது. சூத்திரங்களைப் பெறுவதற்கான முறை மற்ற தொழில்மயமான நாடுகளில் பொருந்தும்.