Why many visible minority women in Canada do not participate in cervical cancer screening
Notice bibliographique
Résumé
OBJECTIVE: To determine a high-risk group of visible minority women in Canada who do not participate in cervical cancer screening and the reasons why they do not participate. DESIGN: We combined two cycles of a large Canadian health survey, Canadian Community Health Survey (CCHS), to obtain a large sample size of visible minority women. Proportions of 'never having a Papanicalaou (Pap) test' and 'not having a Pap test within the last three years' were then calculated for different ethnic groups using sampling weights advised by Statistics Canada to account for the complex sampling procedure used in CCHS. A logistic regression model was developed to test the association between demographic and health-related variables and not having a Pap test. To identify visible minority women who were at a high risk of not having a Pap test, we stratified these women simultaneously on three variables that were significant in the logistic regression model. RESULTS: Visible minority women were more than twice as likely never to have had a Pap test. Among visible minority women, those who recently immigrated to Canada and did not have a regular physician had the highest risk for not having a Pap test. Common reasons reported for not having a Pap test included believing it was not necessary and simply not getting around to it. CONCLUSION: Visible minority women in Canada may not be participating in regular Pap testing because of cultural beliefs and a lack of an understanding of the importance of Pap testing. A culturally appropriate cervical cancer screening intervention program that involves members of visible minority communities may increase participation of this subgroup of Canadian women. This study provides preliminary information on why visible minority women in Canada do not participate in cervical cancer screening. However, the lumping together of all visible minority may obscure differences between different ethnic groups. Therefore, further research on each ethnic group is required to develop tailored culturally appropriate intervention.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 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) | 0,003 | 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 ».