Reducing income-related inequities in colorectal cancer screening: lessons learned from a retrospective analysis of organised programme and non-programme screening delivery in Winnipeg, Manitoba
Notice bibliographique
Résumé
OBJECTIVE: We examined organised colorectal cancer (CRC) screening programme and non-programme faecal occult blood test (FOBT) use from 2008 to 2012 for individuals living in Winnipeg, Manitoba, by area-level income. SETTING: Winnipeg, Manitoba, a region with universal healthcare and an organised CRC screening programme. PARTICIPANTS: Individuals who had a non-programme FOBT were identified from the Provincial Medical Claims database. Individuals who had a programme FOBT were identified from the provincial screening registry. Census data were used to determine average household income based on area of residence. STATISTICAL ANALYSIS: Trends in age-standardised FOBT rates were examined using Joinpoint Regression. Logistic regression was performed to explore the association between programme and non-programme FOBT use and income quintile. RESULTS: FOBT use (non-programme and programme) increased from 32.2% in 2008 to 41.6% in 2012. Individuals living in the highest income areas (Q5) were more likely to have a non-programme FOBT compared with those living in other areas. Individuals living in areas with the lowest average income level (Q1) were less likely to have had programme FOBT than those living in areas with the highest average income level (OR 0.80, 95% CI 0.77 to 0.82). There was no difference in programme FOBT use for individuals living in areas with the second lowest income level (Q2) compared with those living in areas with the highest. Individuals living in areas with a moderate-income level (Q3 and Q4) were more likely to have had a programme FOBT compared with those living in an area with the highest income level (OR 1.12, 95% CI 1.09 to 1.15 for Q3 and OR 1.10, 95% CI 1.07 to 1.13 for Q4). CONCLUSIONS: Inequities by income observed for non-programme FOBTs were largely eliminated when programme FOBTs were examined. Targeted interventions within organised screening programmes in very low-income areas are needed.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».