Does the family physicians’ characteristics affect Cervical Cancer Screening rates?
Notice bibliographique
Résumé
IntroductionWhile the effectiveness of cervical cancer-screening (CCS) programs is well accepted, concern is growing regarding Family physicians (FP) poor adherence to CCS guidelines resulting in over and under screening. In Canada, it is a FP responsibility to ensure that the CCS is done as per guidelines and with appropriate follow-up. Objectives and ApproachTo identify primary care physicians’ characteristics that are associated with over and under CCS for eligible women in Calgary, Alberta. We accessed the Calgary Laboratory Services data for 1475 FPs practicing in Calgary and linked it with the Physicians database of College of Physicians and Surgeons Alberta database. We then matched FP’s gender, country and year of medical school graduation, years since medical school graduation, certification in family medicine and their clinic address with their CCS testing patterns. Using doctors as their own controls, we compared data from 2010-2016 to determine practice variations in CCS patterns subsequent to guideline changes. ResultsWe analyzed approximately 2,400,000 Pap test requisitions (approx. 300,000 per year) to identify screening patterns from 2010-2016 of 1475 family practitioners practicing in Calgary. Our preliminary results identified significant variations in the test ordering patterns of FPs. Approx. half of the male FPs were not performing CCS tests on their eligible female patients. Female FPs ordered more CCS tests than their male counterparts. FP trained in North America, were ordering more pap tests than FPS trained elsewhere. Decreased CSS was also observed among FPs practicing in Northeast Calgary. Conclusion/ImplicationsWe detected three CCS patterns: FPs who never perform CSS on eligible female patients; FPs who followed recommended guidelines for performing CCS tests and FPs who performed CCS tests, not following the guidelines. To ensure appropriate use of CSS, identifying intention-behavior relationships and innovative educational interventions for FPs are required.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».