Factors associated with attendance at screening for breast cancer: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: Attendance at population-based breast cancer (mammographic) screening varies. This comprehensive systematic review and meta-analysis assesses all identified patient-level factors associated with routine population breast screening attendance. DESIGN: CINAHL, Cochrane Library, Embase, Medline, OVID, PsycINFO and Web of Science were searched for studies of any design, published January 1987-June 2019, and reporting attendance in relation to at least one patient-level factor. DATA SYNTHESIS: Independent reviewers performed screening, data extraction and quality appraisal. OR and 95% CIs were calculated for attendance for each factor and random-effects meta-analysis was undertaken where possible. RESULTS: Of 19 776 studies, 335 were assessed at full text and 66 studies (n=22 150 922) were included. Risk of bias was generally low. In meta-analysis, increased attendance was associated with higher socioeconomic status (SES) (n=11 studies; OR 1.45, 95% CI: 1.20 to 1.75); higher income (n=5 studies; OR 1.96, 95% CI: 1.68 to 2.29); home ownership (n=3 studies; OR 2.16, 95% CI: 2.08 to 2.23); being non-immigrant (n=7 studies; OR 2.23, 95% CI: 2.00 to 2.48); being married/cohabiting (n=7 studies; OR 1.86, 95% CI: 1.58 to 2.19) and medium (vs low) level of education (n=6 studies; OR 1.24, 95% CI: 1.09 to 1.41). Women with previous false-positive results were less likely to reattend (n=6 studies; OR 0.77, 95% CI: 0.68 to 0.88). There were no differences by age group or by rural versus urban residence. CONCLUSIONS: Attendance was lower in women with lower SES, those who were immigrants, non-homeowners and those with previous false-positive results. Variations in service delivery, screening programmes and study populations may influence findings. Our findings are of univariable associations. Underlying causes of lower uptake such as practical, physical, psychological or financial barriers should be investigated. TRIAL REGISTRATION NUMBER: CRD42016051597.
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 | 0,020 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,046 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».