MétaCan
Menu
Retour à la cohorte
Enregistrement W1572122381 · doi:10.5888/pcd12.140571

Mammography Rates for Breast Cancer Screening: A Comparison of First Nations Women and All Other Women Living in Manitoba, Canada, 1999–2008

2015· article· en· W1572122381 sur OpenAlexafffundabout
Alain Demers, Kathleen Decker, Erich V. Kliewer, Grace Musto, Emma Shu, Natalie Biswanger, Katherine Fradette, Brenda Elias, Jane Griffith, Donna Turner

Notice bibliographique

RevuePreventing Chronic Disease · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensUniversity of ManitobaCancerCare Manitoba
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineMammographyBreast cancerPublic healthFamily medicineHealth promotionDiseaseBreast cancer screeningMammography screeningGerontologyChronic diseasePeer reviewPromotion (chess)Cancer preventionCancerNursingPathology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: First Nations (FN) women historically have low rates of preventive care, including breast cancer screening. We describe the frequency of breast cancer screening among FN women living in Manitoba and all other Manitoba (AOM) women after the introduction of a provincial, organized breast screening program and explore how age, area of residence, and time period influenced breast cancer screening participation. METHODS: The federal Indian Registry was linked to 2 population-based, provincial data sources. A negative binomial model was used to compare breast cancer screening for FN women with screening for AOM women. RESULTS: From 1999 through 2008, 37% of FN and 59% of AOM women had a mammogram in the previous 2 years. Regardless of area of residence, FN women were less likely to have had a mammogram than AOM women (relative rate [RR] = 0.69 in the north, RR = 0.55 in the rural south, and RR = 0.53 in urban areas). CONCLUSIONS: FN women living in Manitoba had lower mammography rates than AOM women. To ensure equity for all Manitoba women, strategies that encourage FN women to participate in breast cancer screening should be promoted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,345
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePreventing Chronic DiseaseMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207