What Influences Diagnostic Delay in Low-Income Women with Breast Cancer?
Notice bibliographique
Résumé
BACKGROUND: Delayed diagnosis of breast cancer (BC) may contribute to adverse outcomes, such as reduced survival. The purpose of this study was to identify correlates of elapsed time between recognition of breast abnormalities and receipt of definitive diagnosis of BC among low-income women. METHODS: Data were obtained from a cross-sectional study among a statewide sample of 921 low-income women with a new diagnosis of BC. Patients were grouped by whether their breast abnormalities were self-detected or healthcare system detected. Multivariate logistic regression analyses were used to examine associations between diagnostic delay and patient characteristics, patient communication, and system characteristics. RESULTS: The self-detected group experienced much greater delay than the system-detected group (median intervals 80.5 vs. 31.5 days). African Americans had the longest intervals between symptom detection and diagnostic resolution; median delays in the self-detected and system-detected subgroups were 115 and 70 days, respectively, compared to 64 and 22 days for Caucasians. In multivariate analyses, African Americans had considerably greater odds of >60-day delay than Caucasians in both the self-detected (odds ratio [OR] 3.51) and system-detected (OR 5.36) groups. Greater perceived self-efficacy in interacting with healthcare providers was significantly associated with shorter delay among the self-detected group (OR 0.86). CONCLUSIONS: Disparities in timely BC diagnosis between African Americans and Caucasians were pronounced in this uniformly low-income population of women. Women with self-detected abnormalities had markedly greater delays than those with healthcare system-detected abnormalities. Among this vulnerable group, increasing self-efficacy in interacting with healthcare providers may reduce diagnostic delays.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».