MétaCan
Menu
← Retour à la cohorte
Enregistrement W4205648089 · doi:10.7759/cureus.21317

Knowledge, Attitudes, Behavior, and Practices of Self Breast Examination in Nicaragua

2022· article· en· W4205648089 sur OpenAlexaff
Gabrielle Franco, Igor Martín Ramos Herrera, Karen Herrera, Vijay Kumar Chattu, Thankam Sunil

Notice bibliographique

RevueCureus · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast self-examinationBreast cancerRural areaBreast cancer awarenessPopulationBreast cancer screeningGerontologyFamily medicineDemographyGynecologyEnvironmental healthMammographyCancer

Résumé

récupéré en direct d'OpenAlex

Self breast examination (SBE) has been recommended as an important preventative practice for the early identification of breast cancer in women. However, our understanding of women's knowledge, attitudes, and practices of self breast examination in Nicaragua is limited. In the present study, we conducted a cross-sectional study of women aged 18 years and over (n=500) living in selected urban and rural areas of Nicaragua. Measures included the survey reflected knowledge, attitudes, behaviors, and practices related to self breast examination. We compared these measures between women living in urban and rural areas and women aged 18-39 years and 40+ years. Using a t-test, we tested the significance of these differentials. Results indicate widespread and significant differentials in basic knowledge and behaviors on self-breast examination practices among women living in rural and urban locations in Nicaragua. Further, while younger women reported significant and lower overall knowledge about breast cancer (BC), purpose and reasons for SBE, characteristics of women who tend to be at higher risk for BC, and strategies and steps women take performing SBE compared to women who were in the 40+ age group. Study results call for location and population-specific programs and policies addressing disparities in breast cancer prevention efforts in the country.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,369
Score d'incertitude au seuil0,735

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,405
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureus→Même sujetGlobal Cancer Incidence and Screening→Travaux en français237 207→