MétaCan
Menu
Retour à la cohorte
Enregistrement W2034095557 · doi:10.1590/s0034-89102011000600003

Influencia del lugar de origen en la utilización de pruebas de cribado de cáncer ginecológico en España

2011· article· es· W2034095557 sur OpenAlexaboutno aff
Belén Sanz‐Barbero, Enrique Regidor, Silvia Galindo

Notice bibliographique

RevueRevista de Saúde Pública · 2011
Typearticle
Languees
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineConfidence intervalGynecologyOdds ratioSocioeconomic statusDemographyLogistic regressionCervical cancerPopulationCervical cancer screeningCancerEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess the association between geographic origin and the use of screening cervical smears and mammograms. METHODS: Data was obtained from the 2006 Spanish National Health Survey that included 13,422 females over 16 years of age. The dependent variable was use of screening mammograms and cervical smears in the past 12 months. The measure of association (odds ratio and its related 95% confidence interval) was estimated using logistic regression. RESULTS: African women were 0.36 (95% CI 0.21,0.62), Eastern European 0.40 (95%CI 0.22;0.74), Western European, American and Canadian 0.60 (95%CI 0.43,0.84), and Central and South American 0.64 times (95%CI 0.52, 0.81) less likely to undergo a mammogram compared with the general population of Spain. In regard to cervical cancer screening, Eastern European women were 0.38 (95%CI 0.28,0.50), African 0.47 (95%CI 0.33,0.67) and Western European, American and Canadian 0.61 times (95%CI 0.46, 0.81) less likely to undergo cervical smears. These associations were independent of age, socioeconomic condition, health status and health insurance coverage. CONCLUSIONS: Immigrant women use less screening programs than native Spanish women. This finding may suggest difficult access to prevention programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,338
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de Saúde PúblicaMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207