Hereditary colorectal cancer screening: A 10-year longitudinal cohort study following an educational intervention
Notice bibliographique
Résumé
Family history (FH) of a first-degree relative with colorectal cancer (CRC) is associated with two to fourfold increased risk, yet screening uptake is suboptimal despite proven mortality reduction. We developed a FH-based CRC Risk Triage/Management tool for family physicians (FPs), and educational booklet for patients with CRC FH. This report describes physician referral and patient screening behavior 5 and 10 years post-educational intervention, and factors associated with screening. Longitudinal cohort study. FPs/patients in Ontario and Newfoundland, Canada were sent questionnaires at baseline (2005), 5 and 10 years (2015) following tool/booklet receipt. FPs were asked about CRC screening, patients about FH, screening type and timing. "Correct" screening was concordance with tool recommendations. Results reported for 29/121 (24%) FPs and 98/297 (33%) patients who completed all 3 questionnaires. Over 10 years 2/3 patients received the correct CRC screening test at appropriate timing (baseline 75%, 5-year 62%, 10-year 65%). About half reported their FP recommended CRC screening (5-year 51%, 10-year 63%). Fewer than half the patients correctly assessed their CRC risk (44%, 40%, 41%). Patients were less likely to have correct screening timing if female (RR 0.78; 95% CI 0.61, 0.99; p = 0.045). Patients were less likely to have both correct test and timing if moderate/high CRC risk (RR 0.66; 95% CI 0.47, 0.93; p = 0.017) and more likely if their physician recommended screening (RR1.69; 95% CI 1.15, 2.49; p = 0.007). Physician discussion of CRC risk and screening can positively impact patient screening behavior. Efforts are particularly needed for women and patients at moderate/high CRC risk.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».