Advancing health equity in cancer care: The lived experiences of poverty and access to lung cancer screening
Notice bibliographique
Résumé
BACKGROUND: Individuals living with low income are more likely to smoke, have a higher risk of lung cancer, and are less likely to participate in preventative healthcare (i.e., low-dose computed tomography (LDCT) for lung cancer screening), leading to equity concerns. To inform the delivery of an organized pilot lung cancer screening program in Ontario, we sought to contextualize the lived experiences of poverty and the choice to participate in lung cancer screening. METHODS: At three Toronto academic primary-care clinics, high-risk screen-eligible patients who chose or declined LDCT screening were consented; sociodemographic data was collected. Qualitative interviews were conducted. Theoretical thematic analysis was used to organize, describe and interpret the data using the morphogenetic approach as a guiding theoretical lens. RESULTS: Eight participants chose to undergo screening; ten did not. From interviews, we identified three themes: Pathways of disadvantage (social trajectories of events that influence lung-cancer risk and health-seeking behaviour), lung-cancer risk and early detection (upstream factors that shape smoking behaviour and lung-cancer screening choices), and safe spaces of care (care that is free of bias, conflict, criticism, or potentially threatening actions, ideas or conversations). We illuminate how 'choice' is contextual to the availability of material resources such as income and housing, and how 'choice' is influenced by having access to spaces of care that are free of judgement and personal bias. CONCLUSION: Underserved populations will require multiprong interventions that work at the individual, system and structural level to reduce inequities in lung-cancer risk and access to healthcare services such as cancer screening.
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 | 0,000 | 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 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 ».