Knowledge, Attitudes, and Practices Surrounding Breast Cancer Screening in Educated Appalachian Women
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: To determine how and what women learn about breast cancer and screening practices and which factors influence women's breast cancer screening practices. DESIGN: Descriptive analysis of questionnaire data collected at the time of enrollment in a clinical trial. SETTING: Breast care center of a mid-Atlantic academic health sciences center. SAMPLE: 185 women in a predominantly Appalachian, entirely rural state. METHODS: Participants completed the Modified Toronto Breast Self-Examination Inventory and questions related to personal mammography practices at the time of enrollment before randomization in a longitudinal clinical intervention study. MAIN RESEARCH VARIABLES: Women's demographics, knowledge of breast cancer screening practices, adherence to breast cancer screening guidelines, and motivation, knowledge, and practice proficiency surrounding breast cancer screening. FINDINGS: These educated women had knowledge deficits about breast cancer, breast cancer risk factors, and screening guidelines, particularly the timing and practice behaviors of breast self-examination. Women who had received healthcare and cancer-screening instruction by healthcare providers, including advanced practice nurses, had greater knowledge of breast cancer and detection practices. CONCLUSIONS: Women still have knowledge deficits about breast cancer, breast cancer detection, and personal risk factors. In addition, some educated women in this study failed to practice breast cancer screening according to current guidelines. IMPLICATIONS FOR NURSING: Practitioners must continue to remind and update women about breast disease, and women's cancer-screening practices must be reinforced. All levels of providers should improve their rates of performing clinical breast examinations with physical examinations. Nurses, who greatly influence women's health care, must remain current in their knowledge of breast disease, screening, and treatment.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».