Spatial Insights for Understanding Colorectal Cancer Screening in Disproportionately Affected Populations, Central Texas, 2019
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Colorectal cancer (CRC) screening can reduce morbidity and mortality; however, important disparities exist in CRC uptake. Our study examines the associations of distance to care and frequency of using primary care and screening. METHODS: To examine the distribution of screening geographically and according to several demographic features, we used individual patient-level data, dated September 30, 2018, from a large urban safety-net health system in Central Texas. We used spatial cluster analysis and logistic regression adjusted for age, race, sex, socioeconomic status, and health insurance status. RESULTS: We obtained screening status data for 13,079 age-eligible patients from the health system's electronic medical records. Of those eligible, 55.1% were female, and 55.9% identified as Hispanic. Mean age was 58.1 years. Patients residing more than 20 miles from one of the system's primary care clinics was associated with lower screening rates (odds ratio [OR], 0.63; 95% CI, 0.43-0.93). Patients with higher screening rates included those who had a greater number of primary care-related (nonspecialty) visits within 1 year (OR, 6.90; 95% CI, 6.04-7.88) and those who were part of the county-level medical assistance program (OR, 1.61; 95% CI, 1.40-1.84). Spatial analysis identified an area where the level of CRC screening was particularly low. CONCLUSION: Distance to primary care and use of primary care were associated with screening. Priorities in targeted interventions should include identifying and inviting patients with limited care engagements.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle