Impact of Asian Ethnicity on Colorectal Cancer Screening
Notice bibliographique
Résumé
OBJECTIVES: Although research shows that African Americans and Hispanics frequently receive less colorectal cancer screening (CRCS) than whites, few studies have focused on CRCS among Asians. The aims of this study were to compare CRCS between Asians and whites and to evaluate for clinical predictors of CRCS. METHODS: From the 2007 California Health Interview Survey, we identified all Asian and white respondents who were eligible for CRCS. Logistic regression was performed to evaluate for differences in CRCS. We used stratified and interaction analyses to examine whether associations between race and CRCS were modified by insurance status, birthplace, or language skills, while controlling for other confounders. RESULTS: Baseline characteristics were similar between Asians and whites. Only 58% of Asians and 66% of whites reported undergoing up-to-date CRCS (P < 0.01). In multivariate analyses, visiting a physician more than 5 times produced the highest odds of being up-to-date with screening. When compared with whites, Asians had decreased odds of being up-to-date with screening. Stratified analyses showed that this disparity existed mainly in the insured, but not in the uninsured, and it was not modified by place of birth or English language proficiency. CONCLUSIONS: Despite its ability to reduce mortality, CRCS is suboptimal in our US population-based cohort of Asians when compared with whites. A contributing factor to this problem for the Chinese and Koreans may be a lack of awareness regarding CRCS, whereas the source of the problem in the Vietnamese seems to be related to healthcare access.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».