Exploring factors associated with breast cancer screening among women aged 15 - 49 years in Lesotho
Notice bibliographique
Résumé
INTRODUCTION: breast cancer is associated with serious morbidity, low quality of life and mortality. Prevention through early screening remains one of the most optimal strategies against breast cancer. The primary objective of this analysis was to determine the prevalence of breast cancer screening using the clinical breast examination (CBE) and breast self-examination (BSE) methods among women aged 15-49 years, and the secondary objective was to explore demographic and socio-economic factors associated with clinical breast examination (CBE) and breast self-examination (BSE) breast cancer screening methods. METHODS: the study used Demographic Health Survey data collected in 2014. The study participants were Basotho women aged 15-49 years. STATA 17 was employed for developing logistic regressions and weighting for sampling probabilities and non-response. Complex sampling procedures were also considered during testing of statistical significance. RESULTS: variables that were associated with significantly increased odds of having you had a breast cancer either self-examination or clinical test in last 12 months were: i) visiting a health centre in the past 12 months [odd ratio (OR): 1.21 (95% confidence interval [CI]: 1.02, p = 1.43); p = 0.025]; ii) completion of primary level education [1.27 ((1.10; 1.49); 0.001]; iii) being aware of breast cancer [2.18 (1.78;2.65); 0.001]; and iv) age [35-39 years: 1.40 (1.10;1.78);0.007]; while district of origin [Butha - Buthe: 0.63 (0.46; 0.85); 0.003] was significantly associated with decreased odds of the outcome. CONCLUSION: our findings suggest that raising awareness about breast cancer is the most effective method of improving breast cancer screening among women in Lesotho.
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 | 0,002 |
| 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 ».