MétaCan
Menu
Retour à la cohorte
Enregistrement W1577457530 · doi:10.1002/9780471462422.eoct059

Community‐Based Breast and Cervical Cancer Control Research in Asian Immigrant Populations

2006· other· en· W1577457530 sur OpenAlexaffabout
Victoria M. Taylor, T. Gregory Hislop, Yutaka Yasui, Shin‐Ping Tu, J. Carey Jackson

Notice bibliographique

RevueWiley Encyclopedia of Clinical Trials · 2006
Typeother
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensBC Cancer Agency
Organismes subventionnairesNational Cancer Institute
Mots-clésEthnic groupMedicineImmigrationMammographyBreast cancerCervical cancerParticipatory action researchRandomized controlled trialCommunity-based participatory researchGerontologyGynecologyFamily medicineDemographyGeographyCancerPolitical scienceSociologyPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Asian‐American women are less likely to receive mammography and Papanicolaou (Pap) testing than women from other racial/ethnic groups. Screening rates are particularly low among Asian women who are not proficient in English. This article focuses on community‐based breast and cervical cancer control research in Asian populations. First, the authors address community participatory research principles and several important program evaluation issues: sampling, survey methods, recruitment and retention, translation, data quality, and control group “contamination.” Second, the authors summarize community‐based studies that aimed to increase mammography or Pap testing levels among women of Asian descent. Overall, 9 relevant studies are identified that targeted Asian communities in Canada, the United States, and England. Overall, three of the studies randomized individual women to intervention or control status, two randomized groups of women, and four used a quasi‐experimental (two‐community) study design. These studies, which reported mixed results, highlight the methodological challenges in conducting evaluative public health research, particularly in racial/ethnic minority communities.

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)0,018
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,467
Tête enseignante GPT0,560
Écart entre enseignants0,092 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWiley Encyclopedia of Clinical TrialsMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207