Prevalence of Hysterectomy by Self-Reported Disability Among Canadian Women: Findings from a National Cross-Sectional Survey
Notice bibliographique
Résumé
Introduction: Our objective was to investigate differences in prevalence of hysterectomy by self-reported disability status among Canadian women. Materials and Methods: We analyzed cross-sectional data from the Canadian Community Health Survey 2012 on 30,170 women aged ≥20 years. Disability was defined as reports of sometimes or often (vs. never) experiencing functional limitations or reduction in daily activities at home, school, or work. Frequency of these limitations was used as a proxy for disability severity. The outcome was self-reported hysterectomy status. Modified Poisson regression was used to quantify the prevalence ratio (PR) and 95% confidence interval (CI) for hysterectomy according to any, functional, or activity-limiting disability, after adjustment for household income, employment, education, ethnicity, and marital status. Results were stratified by age at time of data collection, categorized as childbearing (20–44 years), perimenopausal (45–59 years), and postmenopausal (60 years and older). Results: Disability was significantly and consistently associated with higher prevalence of hysterectomy in women. The strength of association was inversely related to age category, and PRs for a given age category were similar across disability types and severity levels. PRs for the association between any disability and hysterectomy were 2.18 (95% CI 1.36–3.50) for childbearing-aged women, 1.48 (95% CI 1.21–1.80) for perimenopausal women, and 1.12 (95% CI 1.02–1.24) for postmenopausal women. Conclusions: Prevalence of hysterectomy is disproportionately higher among women with self-reported disabilities compared with women without disabilities, with these differences most pronounced in women of childbearing age.
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 | 0,001 | 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) | 0,001 | 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 ».