Sex-based Disparities in Colorectal Cancer Screening
Notice bibliographique
Résumé
PURPOSE: Research suggests that recurrence and survival from colorectal cancer are worse in men than in women but the causes for this are unclear. Our aims were to (1) assess for sex differences in colorectal cancer screening (CRCS) within a large, contemporary population-based sample in California; and (2) examine the impact of income, education, and insurance status on sex differences in CRCS. METHODS: Screening-eligible patients were identified from the 2007 US California Health Interview Survey. Up-to-date, CRCS was defined as fecal occult blood test within 1 year, flexible sigmoidoscopy within 5 years, or colonoscopy within 10 years. Logistic regression models were constructed to evaluate the relationship between sex and CRCS. Stratified analyses on the basis of self-reported income (low vs. high), education (≤ high school vs. > high school), and health insurance status (insured vs. uninsured) were performed to determine if sex differences in screening were modified by these parameters. RESULTS: In total, 11,260 men and 17,705 women were identified: mean ages were 65 and 66 years, respectively, and 63% were white in both the sexes. In the entire cohort, only two thirds of men and women reported undergoing up-to-date CRCS. Women had decreased odds of CRCS than men, after adjusting for potential confounders. Stratified analyses indicated that sex disparities in CRCS persisted among the insured, educated, and high-income earners. CONCLUSIONS: Women are less likely to undergo CRCS than men, but poor health care access is associated with low CRCS in both the sexes. Conventional strategies aimed at improving health care access should also include sex-specific interventions that raise awareness about preventive care to most effectively optimize CRCS.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».