Social Cognitive Mediators of Sociodemographic Differences in Colorectal Cancer Screening Uptake
Notice bibliographique
Résumé
BACKGROUND: This study examined if and how sociodemographic differences in colorectal cancer (CRC) screening uptake can be explained by social cognitive factors. METHODS: Face-to-face interviews were conducted with individuals aged 60-70 years (n = 1309) living in England as part of a population-based omnibus survey. RESULTS: There were differences in screening uptake by SES, marital status, ethnicity, and age but not by gender. Perceived barriers (stand. b = -0.40, p < 0.001), social norms (stand. b = 0.33, p < 0.001), and screening knowledge (stand. b = 0.17, p < 0.001) had independent associations with uptake. SES differences in uptake were mediated through knowledge, social norms, and perceived barriers. Ethnic differences were mediated through knowledge. Differences in uptake by marital status were primarily mediated through social norms and to a lesser extent through knowledge. Age differences were largely unmediated, except for a small mediated effect via social norms. CONCLUSIONS: Sociodemographic differences in CRC screening uptake were largely mediated through social cognitive factors. Impact. Our findings suggest that multifaceted interventions might be needed to reduce socioeconomic inequalities. Ethnic differences might be reduced through improved screening knowledge. Normative interventions could emphasise screening as an activity endorsed by important others outside the immediate family to appeal to a wider audience.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».