Area-Level Income Disparities in Colorectal Screening in Canada: Evidence to Inform Future Surveillance
Notice bibliographique
Résumé
Background: Participation in colorectal screening remains low even in countries with universal health coverage. Area-level determinants of low screening participation in Canada remain poorly understood. Methods: We assessed the association between area-level income and two indicators of colorectal screening (having never been screened, having not been screened recently) by linking census-derived local area-level income data with self-reported screening data from urban-dwelling respondents to the Canadian Community Health Survey (50–75 years of age, cycles 2005 and 2007, n = 18,362) who reported no known risk factors for colorectal cancer. Generalized estimating equation Poisson models estimated the prevalence ratios and differences for having never been screened and having not been screened recently, adjusting for individual-level income, education, marital status, having a regular physician, age, and sex. Results: About 53% of the study population had never been screened. Among individuals who had ever been screened, 35% had been screened recently. Adjusting for covariates, lower area-level income was associated with having never been screened [covariate-adjusted prevalence ratios: 1.24 for quartile 1; 95% confidence limits (cl): 1.16, 1.34; 1.25 for quartile 2; 95% cl: 1.15, 1.33; 1.15 for quartile 3; 95% cl: 1.08, 1.23]. Among individuals who had been screened in their lifetime, area-level income was not associated with having not been screened recently. Conclusions: Lower area-level income is associated with having never been screened for colorectal cancer even after adjusting for individual socioeconomic factors. Those findings highlight the potential importance of socioeconomic contexts for colorectal screening initiation and merit attention in both future research and surveillance efforts.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».