MétaCan
Menu
Retour à la cohorte
Enregistrement W2600858925 · doi:10.1016/j.pmedr.2017.03.015

Participation and retention in the breast cancer screening program in New Brunswick Canada

2017· article· en· W2600858925 sur OpenAlexafffundabout
James Ted McDonald, Yunli Wang, Zikuan Liu

Notice bibliographique

RevuePreventive Medicine Reports · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesCanadian Cancer Society
Mots-clésBreast cancer screeningMammographyMedicineSocioeconomic statusBreast cancerLogistic regressionDemographyCancer screeningGerontologyFamily medicineRural areaCensusEnvironmental healthCancerPopulation

Résumé

récupéré en direct d'OpenAlex

New Brunswick (NB) Canada uses its breast cancer screening service program to assess the extent to which eligible NB women are complying with mammography guidelines. While many studies have investigated factors associated with participation in periodic breast cancer screening in Canada and elsewhere, most work has relied on self-reported surveys or smaller scale primary data collection. Using a longitudinal administrative dataset for NB over the period 1996-2011 of 255,789 eligible women aged 45-69, this study examined demographic, socioeconomic and geographic factors associated with initial participation in regular screening at age 50 and ongoing retention in the program. Logistic regression was used to examine correlates of initial screening, while rescreening participation was estimated using survival analysis accounting for rescreening episodes. Initial screening participation was lower for women born outside of NB, many women living farther away from screening centers, women in rural areas, and higher for married women. In contrast, retention was higher for rural women and women recently arrived in NB. For both participation and retention, regional disparities across health zone persisted after controlling for observable personal and locational factors. The analysis highlights important characteristics to be targeted to increase screening but also that how health zones operate their screening programs exerts a very significant effect on the use of screening services by eligible women. This offers lessons for the design and evaluation of any cancer screening program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil0,336

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,398
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePreventive Medicine ReportsMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207