Social inequalities in breast cancer screening: evaluating written communications with immigrant Haitian women in Montreal
Notice bibliographique
Résumé
BACKGROUND: The province of Quebec (Canada) has implemented a breast cancer screening program to diagnose this cancer at an early stage. The strategy is to refer women 50 to 69 years old for a mammogram every two years by sending an invitation letter that acts as a prescription. Ninety per cent (90%) of deaths due to breast cancer occur in women aged 50 and over. Numerous studies have shown social inequalities in health for most diseases. With breast cancer, a significant paradox arises: its incidence is lower among disadvantaged women and yet, more of them die from this disease. The health care system might play a role in this inequality. The scientific literature documents the potential for creating such inequalities when prevention does not consider equity among social groups. Immigrant women are often disadvantaged. They die of breast cancer more than non-immigrants. Studies attribute this to late-stage diagnosis due to poor adherence to mammography screening programs. PURPOSE OF THE STUDY: The main objective of our research is to assess how Haitian immigrant women in Montreal are reached by the Quebec Breast Cancer Screening Program, and specifically how they perceive the mammogram referral letter sent by the program. METHODS: The study uses a two-step qualitative method: i) In-depth interviews with influential community workers to identify the most relevant issues; ii) Focus groups with disadvantaged women from Montreal's Haitian community. RESULTS: A mammogram referral letter from the Breast Cancer Screening Program may be a barrier to compliance with mammography by underprivileged Haitian women in Montreal. This might be attributable to a low level of literacy, poor knowledge of the disease, and lack of financial resources. CONCLUSION: Barriers may be underestimated in underprivileged immigrant and non-immigrant communities. A preventive strategy must be adapted to different sub-groups and must also take into account lower literacy levels. To increase mammography uptake, it is crucial that the benefits of prevention be clearly identified and described in understandable terms. Finally, economic access to follow-up measures should be considered.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».