Screening for cervical cancer in women with disability and multimorbidity: a retrospective cohort study in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: People with disability, multiple chronic conditions or both may experience challenges in accessing primary care. We aimed to determine the association between appropriate cervical cancer screening and level of disability among women eligible for screening in Ontario and the influence of relevant sociodemographic and health-related variables, including level of morbidity (measured by number of chronic conditions), on screening. METHODS: We used multiple linked databases, including 2 waves of the Canadian Community Health Survey (2005 and 2007/08). Of the 22 824 women included in the study, 7600 reported some level of disability. We used Ontario Health Insurance Plan fee codes to identify appropriate cervical cancer screening. RESULTS: Compared with women without disability, women with disability were older, less educated, had lower income and had more chronic conditions (36.2% had at least 2 conditions v. 8.4% of women without disability). Women with no disability and no chronic conditions were more frequently screened appropriately than those with severe disability and 2 or more chronic conditions (64.5% v. 39.8%). In multivariable logistic regression analysis, age, rurality, education, marital status and household income were each independently associated with cervical cancer screening. There was a significant interaction between level of morbidity and level of disability. Women with a higher level of disability were less likely to be screened than women with lower level of disability as their level of morbidity increased. CONCLUSION: The rate of screening for cervical cancer is low among women with both disability and multimorbidity. Policymakers should note these results as they work toward improving cancer screening rates for an aging population with complex medical needs.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».