The gap between knowledge and undergoing colorectal cancer screening using the Health Belief Model: A national survey
Notice bibliographique
Résumé
BACKGROUND/AIMS: Colorectal cancer (CRC) is a public health issue, and before the initiation of a national cancer screening program, there is a need to examine the acceptance of the public to undergo CRC screening and explore potential barriers. MATERIALS AND METHODS: A nationwide survey was conducted using an electronic platform to collect demographic variables and using the Health Belief Model to assess attitudes and behavior of participants as well as the knowledge about and intent to undergo CRC screening. At the end of the survey, participants from Riyadh were invited to get screened for CRC. RESULTS: Responses from 5720 individuals covering all the 13 jurisdictions of Saudi Arabia were collected. Males represented 71.53% of the respondents; the mean age was 43.28 years and 15.24% had already undergone CRC screening using various methods, mostly colonoscopy (72.73%). The mean knowledge score was 11.05 (standard deviation 4.4, range 1-23), with no difference between genders, jurisdictions of the Kingdom, between those who expressed interest in screening and those who did not, and between those who accepted the invitation to undergo CRC screening and those who did not. Participants displayed positive attitudes toward both CRC screening and colonoscopy as a screening tool, and 73% expressed willingness to undergo screening. On multivariate analysis, male gender was the only factor associated with a higher probability of accepting screening, whereas neither knowledge nor willingness to undergo screening predicted accepting the invitation to screening. CONCLUSION: Although the majority of participants were willing to undergo screening, no significant correlation between knowledge and willingness to undergo screening were predictors of screening uptake. Other areas that could be targeted in the promotion of CRC screening uptake to bridge the gap between "knowing" and "doing" should be explored.
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 | 0,004 | 0,007 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».