Trends in Colorectal Cancer Screening Utilization among Ethnic Groups in California: Are We Closing the Gap?
Notice bibliographique
Résumé
BACKGROUND: Given the low prevalence of and racial/ethnic disparities in colorectal cancer screening, it is important to monitor whether prevalence and disparities are increasing or decreasing over time. METHODS: We estimated the prevalence of colorectal cancer screening by year (2001, 2003, and 2005), modality (endoscopy, fecal occult blood test, either), and recency (ever had, up-to-date) for the California population as a whole, major racial/ethnic groups (White, Black, Latino, Asian), and selected Asian subgroups (Chinese, Filipino, Japanese, Korean, Vietnamese) using data from the California Health Interview Survey. All prevalence estimates were age- and gender-standardized. RESULTS: From 2001 to 2005, prevalence of up-to-date screening increased significantly among Whites and Latinos but not among Blacks and Asian Americans. Screening prevalence varied substantially among Asian subgroups, with Korean, Filipino, and Vietnamese Americans having the lowest prevalence. Korean Americans were the only group in the analysis with a significant decline in screening prevalence from 2001 to 2005. The gap between the highest and the lowest up-to-date screening prevalence using any screening modality, exhibited by Japanese and Korean Americans, increased from 18% in 2001 to 30% in 2005. CONCLUSIONS: Findings suggest that we need to intensify efforts to increase colorectal cancer screening, especially among Korean Americans but also among Filipinos, Vietnamese, and Latinos.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».