Awareness and Attitude of Women towards Cervical Cancer Screening in Abakaliki, South East Nigeria
Notice bibliographique
Résumé
INTRODUCTION: Cervical cancer screening has significantly contributed to the detection of premalignant and malignant lesions of the cervix and prevention of the morbidity and mortality associated with the disease. In the developing countries, especially sub-Saharan Africa where the burden of cervical cancer is highest, the high-risk population may not know the screening schedules or be able to pay for the services, and so fail to benefit. OBJECTIVE: To determine the level of awareness of cervical cancer screening schedule and willingness to pay for cervical screening services among women in Abakaliki, southeast Nigeria. METHOD: The study design was a descriptive cross-sectional questionnaire-based and the population comprised 800 participants who came for free cervical cancer screening at well women centre, Alex Ekwueme Federal University Teaching Hospital, Abakaliki between January and December 2017. Data were analyzed using the Statistical Package for Sciences version 20.0. RESULT: Of the 756 (94.5%) questionnaires analyzed, the mean age was 41.4 years, modal parity 4; 83.6% had prior knowledge of cervical cancer while 81.0% knew that cervical cancer screening is a diagnostic tool. Surprisingly, only 32% of those aware of cervical cancer had previously done cervical cancer screening, while 10.8% knew the interval for cervical cancer screening. On screening for cervical cancer in future, 89.2% of the respondents were willing to repeat the test while 54.2% would be willing to pay for the screening services. Being 40 years of age or less, married, educated, of high socio-economic class and having first sexual intercourse at 18 years or less were associated with willingness to pay for screening. CONCLUSION: Although the knowledge of cervical cancer is high, cervical cancer screening uptake is low, many women are aware of the interval for cervical cancer screening, and many will not be willing to pay for cervical cancer screening out of their pockets.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».