EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Measuring health literacy to inform actions to address health inequities: a cluster analysis approach based on the Australian national health literacy survey

Messung von Gesundheitskompetenz zur Information von Maßnahmen gegen gesundheitliche Ungleichheiten: Clusteranalyse auf Basis der australischen nationalen Gesundheitskompetenz-Umfrage

Christina Cheng iD, Shandell Elmer, Roy Batterham, Melanie Hawkins, Richard H Osborne

Journal of Public Health · 01.12.2024 · 46 (4) · e663-e674

DOI: 10.1093/pubmed/fdae165 ↗

Auf einen Blick

Anhand von Daten aus Australien wurden deskriptive Analyse und Clusteranalyse der Health Literacy Questionnaire (HLQ)-Daten verglichen. Die Clusteranalyse zeigte unterschiedliche Muster der Gesundheitskompetenz in Untergruppen.

Fragestellung

Kann eine Clusteranalyse von Gesundheitskompetenzdaten nützlichere Informationen liefern als eine deskriptive Analyse, um Interventionen besser zu planen?

Methode

Analyse von Daten der Australian National Health Survey (2018) aus New South Wales und Victoria; Vergleich von deskriptiver Analyse und hierarchischer Clusteranalyse nach Ward auf Basis der neun HLQ-Skalen.

Ergebnisse

1018 Befragte aus NSW und 923 aus Victoria. Die Mittelwerte der neun HLQ-Skalen waren ähnlich; die Clusteranalyse identifizierte 11 Cluster für NSW und 12 für Victoria, davon jeweils mehrere mit ähnlichen und mehrere mit einzigartigen Mustern.

Schlussfolgerung der Autor:innen

Die Autor:innen folgern, dass deskriptive Analysen nur einen Überblick liefern und zu Einheitslösungen führen können; Clusteranalysen können maßgeschneiderte Maßnahmen zur Verbesserung der gesundheitlichen Chancengleichheit informieren.

Kernaussagen

  • Deskriptive Mittelwerte der neun HLQ-Skalen waren in beiden Staaten ähnlich
  • Clusteranalyse: 11 Cluster in NSW, 12 Cluster in Victoria
  • Subgruppen zeigten unterschiedliche Gesundheitskompetenzmuster

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift Journal of Public Health, online erschienen am 04.08.2024. Verfasst von Christina Cheng und 4 weiteren Autor:innen. Beteiligte Einrichtung: Centre for Global Health and Equity, School of Health Sciences, Swinburne University of Technology, Hawthorn 3122, Victoria, Australia. Hauptthemen laut MEDLINE: Health Literacy. Die Arbeit wurde bisher 19-mal zitiert (Crossref) und nennt 42 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: National Health and Medical Research Council of Australia Principal Research Fellowship.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Background

Measuring health literacy can inform interventions to address health inequities. This study used cluster analysis to examine health literacy data to determine if it can provide more insightful information than standard descriptive analysis to better inform intervention development.

Methods

Using data from the Australian National Health Survey (2018), this study compared descriptive analysis and cluster analysis results of two states—New South Wales (NSW) and Victoria—generated from the Health Literacy Questionnaire (HLQ). Based on the nine scale scores of the HLQ, a hierarchical cluster analysis using Ward’s method for linkage was undertaken.

Results

The number of NSW and Victoria respondents was 1018 and 923, respectively. The nine HLQ scale full sample mean scores from both states were similar. However, the cluster analyses identified 11 clusters for NSW and 12 clusters for Victoria. While six clusters from each state presented similar health literacy patterns, five and six clusters from NSW and Victoria, respectively, displayed unique health literacy patterns.

Conclusions

The results demonstrate that descriptive analysis only provides an overview and may lead to one-size-fits-all interventions. The varying health literacy patterns among subgroups resulting from the cluster analysis pave the way to inform tailored actions to improve health equity.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Health LiteracyHumansCluster AnalysisMaleFemaleMiddle AgedAdultNew South WalesAgedAdolescentVictoriaYoung AdultSurveys and QuestionnairesHealth Status DisparitiesHealth Surveys

Stichwörter der Autor:innen

cluster analysishealth equityhealth literacymeasurementmethods

Autor:innen und Institutionen

  • Centre for Global Health and Equity, School of Health Sciences, Swinburne University of Technology, Hawthorn 3122, Victoria, Australia.
  • School of Nursing College of Health and Medicine, College of Health and Medicine, University of Tasmania, Launceston 7250, Tasmania, Australia.
  • Global Health Program, Faculty of Public Health, Thammasat University, Bangkok 10200, Thailand.

ORCID-Profile: Christina Cheng

Förderung

  • National Health and Medical Research Council of Australia Principal Research Fellowship

Zitieren

APA

Cheng, C., Elmer, S., Batterham, R., Hawkins, M., & Osborne, R. H. (2024). Measuring health literacy to inform actions to address health inequities: a cluster analysis approach based on the Australian national health literacy survey. Journal of Public Health, 46(4), e663-e674. https://doi.org/10.1093/pubmed/fdae165

Vancouver

Cheng C, Elmer S, Batterham R, Hawkins M, Osborne RH. Measuring health literacy to inform actions to address health inequities: a cluster analysis approach based on the Australian national health literacy survey. Journal of Public Health. 2024;46(4):e663-e674. doi:10.1093/pubmed/fdae165

BibTeX
@article{Cheng2024,
  author = {Cheng, Christina and Elmer, Shandell and Batterham, Roy and Hawkins, Melanie and Osborne, Richard H},
  title = {Measuring health literacy to inform actions to address health inequities: a cluster analysis approach based on the Australian national health literacy survey},
  journal = {Journal of Public Health},
  year = {2024},
  volume = {46},
  number = {4},
  pages = {e663--e674},
  doi = {10.1093/pubmed/fdae165}
}
Kostenlos starten →