Disparities in the coverage of cancer information in ethnic minority and mainstream mass print media.
Notice bibliographique
Résumé
BACKGROUND: Significant disparities in cancer mortality exist as a function of ethnicity and race in North America. Little is known, however, about the presentation of cancer information in mass media that targets ethnic minority groups. OBJECTIVES: 1) To evaluate the volume and type of cancer coverage and the readability of cancer articles in Canadian mainstream and ethnic minority newspapers; and 2) to compare newspaper coverage of cancer with Canadian cancer mortality. DESIGN: Seven mainstream and 25 ethnic minority (Jewish, First Nations, Black/Caribbean, East Indian) English-language newspapers were assessed for cancer coverage in the year 2000. Articles were analyzed by using frequencies and nonparametric tests. The total number of cancer articles (N=171) in ethnic minority papers and a random 20% from mainstream papers were also evaluated for readability level by using SMOG. RESULTS: There were a total of 748 cancer articles (721 mainstream; 27 ethnic). Coverage was weighted towards breast cancer (20.1% mainstream, 33.3% ethnic of cancer articles) and contained little or no coverage of prostate (7.4% mainstream, 8.6% ethnic), colorectal (3.9% mainstream, 3.7% ethnic), or lung (3.9% mainstream, 0 ethnic) cancers. The mean SMOG readability scores were Grades 12.7 and 13.2 for mainstream and ethnic papers, respectively. Readability scores differed significantly in ethnic newspapers, with the most difficult (highest readability) levels in East Indian (Grade 16.3) and the easiest (lowest readability) levels in First Nations (Grade 11.3) papers. Cancer articles were not highly culturally tailored, as measured by identification of specific ethnic minority groups within ethnic and mainstream newspapers. CONCLUSIONS: Cancer coverage in ethnic and mainstream newspapers did not accurately reflect the leading causes of cancer death in Canada. Results also suggest the need for the collection of cancer data by ethnic minority group in Canada. Without the disaggregation of cancer statistics by ethnicity, we cannot inform high-risk subgroups of the population and appropriately tailor cancer prevention and treatment programs.
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 | 0,003 | 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 | 0,001 |
| 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 ».