Cervical cancer screening and HPV vaccine acceptability among rural and urban women in Kilimanjaro Region, Tanzania
Notice bibliographique
Résumé
OBJECTIVE: To determine cervical cancer screening coverage and the knowledge, attitudes and barriers toward screening tests among women in rural and urban areas of Tanzania, as well as explore how they view the acceptability of the HPV vaccine and potential barriers to vaccination. SETTING: A cross-sectional study using interview-administered questionnaires was conducted using multistage random sampling within urban and rural areas in Kilimanjaro Region, Tanzania. PARTICIPANTS: Women aged 18-55 were asked to participate in the survey. The overall response rate was 97.5%, with a final sample of 303 rural and 272 urban dwelling women. PRIMARY AND SECONDARY OUTCOME MEASURES: Descriptive and simple test statistics were used to compare across rural and urban strata. Multivariate logistic regression models were used to estimate ORs and 95% CIs. RESULTS: Most women (82%) reported they had heard of cervical cancer, while self-reported cervical cancer screening among women was very low (6%). In urban areas, factors associated with screening were: older age (OR=4.14, 95% CI 1.86 to 9.24 for ages 40-49, and OR=8.38, 95% CI 2.10 to 33.4 for >50 years), having health insurance (OR=4.15, 95% CI 1.52 to 11.4), and having knowledge about cervical cancer (OR=5.81, 95% CI 1.58 to 21.4). In contrast, among women residing in rural areas, only condom use (OR=6.44, 95% CI 1.12 to 37.1) was associated with screening. Women from both rural and urban areas had low vaccine-related knowledge; however, most indicated they would be highly accepting if it were readily available (93%). CONCLUSIONS: The current proportion of women screened for cervical cancer is very low in Kilimanjaro Region, and our study has identified several modifiable factors that could be addressed to increase screening rates. Although best implemented concurrently, the availability of prophylactic vaccination for girls may provide an effective means of prevention if they are unable to access screening in the future.
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 | 0,000 | 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) | 0,002 | 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 ».