The impact of Asian race on colorectal cancer screening (CRCS).
Notice bibliographique
Résumé
381 Background: While research shows that African Americans and Hispanics frequently receive less CRCS than Whites, few studies have focused on CRCS among Asians. The aims of the current analysis were to 1) compare CRCS between Asians and Whites in a large U.S. population, 2) evaluate for other clinical predictors of CRCS, and 3) examine the impact of health insurance coverage, place of birth and English proficiency on potential racial disparities. Methods: From the 2007 California Health Interview Survey, we identified all Asian (N=2,108) and White (N=23,237) average-risk respondents aged ≥50 years who were eligible for CRCS. Logistic regression was performed to evaluate for differences in CRCS between Asians and Whites. We used stratified and interaction analyses to examine whether associations between race and CRCS were modified by insurance status (insured vs uninsured), birthplace (U.S. vs non-U.S.) or language skills (good vs poor English), while controlling for other confounders. Results: Baseline characteristics were similar between Asians and Whites: mean age was 64 years in both groups; 45% and 47% were male; and 47% and 50% were employed, respectively. Only 58% of Asians and 66% of Whites reported undergoing up-to-date CRCS (p<0.001). In multivariate analyses, female gender and those living in rural areas were less likely to receive CRCS (OR 0.84, 95%CI 0.76-0.93, p=0.001 and OR 0.88, 95%CI 0.81-0.98, p=0.015, respectively).When compared to Whites, Asians also had decreased odds of CRCS (OR 0.82, 95%CI 0.71-0.95, p=0.008), even after adjusting for confounders such as education and income. Stratified analyses revealed that this disparity existed mainly in the insured (OR 0.83, 95%CI 0.72-0.96, p=0.014), but not in the uninsured (OR 0.94, 95%CI 0.43-2.06, p=0.873). The relationship between race and CRCS was not modified by place of birth or English proficiency. Conclusions: Despite its ability to reduce mortality, CRCS is suboptimal in our U.S. population-based cohort of Asians when compared to Whites. The racial disparity was more evident within the insured subset, suggesting that factors unrelated to healthcare access, such as patient preference, physician discretion or patient-physician rapport, may be more important drivers of CRCS among Asians. No significant financial relationships to disclose.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».