Method of Detection of Breast Cancer in Low-Income Women
Notice bibliographique
Résumé
BACKGROUND: Breast cancer is the most common malignancy among women, and its timely diagnosis and treatment are of paramount importance, especially for vulnerable groups, such as low-income and uninsured women. Recent literature confirms that the method of breast cancer detection may be an important prognostic factor, but there are no studies that examine the method of breast cancer detection in low-income populations. We sought to analyze the determinants of method of detection (medical vs. self) in a cohort of low-income women with breast cancer receiving care through California's Breast and Cervical Cancer Treatment Program. METHODS: This is a cross-sectional survey analysis of 921 low-income women interviewed within 6 months of definitive surgical treatment. The outcome analyzed was self vs. medical detection of breast cancer. RESULTS: The mean age of the women was 53 years, with nearly 88% reporting an income of <$30,000 per year; 64% of women self-detected their breast cancer. Logistic regression analyses revealed that older women, Latinas, and women having any health insurance before diagnosis had lower odds of self-detecting their lesions. CONCLUSIONS: Patient age, ethnicity, and regular source of care were associated with method of breast cancer detection in a low-income underserved population. The rate of self-detection in our population correlates with the literature, but we need to improve efforts to increase mammography screening to ensure early detection of disease in this vulnerable group.
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 | 0,002 | 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 | 0,000 |
| 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 ».