Barriers to Cancer Care in Northern Tanzania: Patient and Health-System Predictors for Delayed Presentation
Notice bibliographique
Résumé
PURPOSE Cancer is a growing problem in Africa, and delays in receiving timely cancer care often results in poorer outcomes. The purpose of this study was to identify the patient and health-system factors associated with delayed cancer care in adults living in the Northern Zone of Tanzania. PATIENTS AND METHODS Between July 2018 and July 2019, we surveyed adult patients presenting to an oncology clinic in Northern Tanzania. Delayed presentation was defined as 12 weeks or longer from initial symptoms to presentation for cancer care. Multivariate Poisson regression and adjusted relative risk (aRR) were used to identify factors predicting delayed presentation. RESULTS Among 244 adult patients with cancer who completed the survey, 78% (n = 191) had delayed presentation. Patient-related factors associated with delayed presentation included lower educational attainment ( P = .03), increased travel time ( P = .05), lack of cancer knowledge ( P < .05), and fear of cancer and cancer treatments ( P < .05) on multivariate analysis. On analysis of aRR, patients without private car and those with health insurance had higher risk of delayed presentation (aRR: 1.27; 95% CI, 1.02 to 1.32 and aRR: 1.15; 95% CI, 1.01 to 1.32). There was a strong association with increased number of visits before presentation at the cancer center and delayed presentation ( P = .0009). CONCLUSION Cancer awareness and prevention efforts targeting patients and community-level health care workers are key to reduce delays in cancer care in Northern Tanzania.
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 ».