Preventive screening. What factors influence testing?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To determine factors associated with having preventive screening tests in a population-based sample of Ontario women. DESIGN: Secondary analysis of data from Statistics Canada's National Population Health Survey linked to data from the Ontario Health Insurance Plan to ascertain whether women aged 20 or older had Pap smears, mammography, bone densitometry, or cholesterol testing. Factors associated with having testing were subjected to logistic regression analysis. SETTING: Ontario. PARTICIPANTS: Women aged 20 or older; from 19,600 Canadian households, 2232 Ontario women gave consent to linkage of administrative databases. MAIN OUTCOME MEASURES: Age-specific population screening rates. Odds ratios and probabilities of having screening in relation to socioeconomic, geographic, and physician-associated factors. RESULTS: Having screening was associated with age, income, education, and place of residence. Women with regular physicians were more likely to have Pap smears (odds ratio [OR] 4.4, range 1.7 to 12), densitometry (OR 22, range 3.6 to 140), and cholesterol testing (OR 8.0, range 2.3 to 29). Women who had periodic health examinations were more likely to have Pap smears (OR 6.7, range 4.6 to 9.8), mammograms (OR 3.7, range 2.3 to 5.9), densitometry (OR 3.7, range 1.3 to 10.5), and cholesterol testing (OR 3.0, range 2.0 to 4.5). The probability of having testing increased with number of visits a year to a doctor, but ceased to increase after three visits. CONCLUSION: Having screening tests was associated with socioeconomic factors including income, education, and place of residence. Patients who went to doctors for episodic care only were less likely to have preventive screening than patients who went for periodic health examinations.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle