Small-area variation in screening for cancer, glucose and cholesterol in Ontario: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Screening for cervical, breast and colon cancers, and elevations of cholesterol and glucose, reduces premature cause-specific mortality from these cancers and circulatory diseases. Despite primary care reforms and incentives, and promotion of cancer-screening programs among individuals, participation is suboptimal. We aimed to examine participation as of Dec. 31, 2011, by factors of deprivation, demographics and primary care at the small-area level. METHODS: From health care administrative databases, we identified people eligible for each screening test, and their participation, in each dissemination area (referred to as small areas, n = 18 950) in Ontario. We calculated rates for each test among small areas (overall and stratified by demographic, socioeconomic and primary care descriptors) and stratified by sex for all tests combined. We loaded all data into a geographic information system. Funnel plots were generated showing the percentage of eligible people who completed screening for all tests by small area, stratified by sex. Overall and stratified screening prevalence ratios were calculated among small areas. RESULTS: Among small areas, the mean and SD for participation in all tests combined was 31.6% (SD 11.0%) for women and 41.2% (SD 12.0%) for men. Screening prevalence among small areas, for each test and for all tests combined, overall and stratified by sex, declined with decreasing percentage with high school completion, decreasing socioeconomic quintile, and decreasing percentage with an identifiable primary care physician. INTERPRETATION: Our results show that the rate of participation in all eligible screening tests among small areas is much lower than the rate of participation in any one particular test. This finding has implications for the design and implementation of strategies to improve rates of screening.
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 | 0,000 |
| 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) | 0,000 | 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 ».