Awareness and Early Detection of Ante Natal Clinic Attendees towards Breast Cancer at a Tertiary Hospital in South – South Nigeria
Notice bibliographique
Résumé
Background: Breast cancer is the leading cause of death globally in women between 44 – 50 years. As a result of poor awareness, late presentation is often times common amongst women with breast cancer in developing countries of the world as such outcome is poor. Aim: To determine the awareness and early detection of ante natal clinic attendees towards breast cancer at the Rivers State University Teaching Hospital (RSUTH), Port Harcourt, Nigeria. Methods: This was a cross-sectional study of ANC attendees at the RSUTH. Simple randomized sampling method was used. A structured pre-test survey questionnaire The information was analyzed using SPSS version 25. Results: A total of 180 questionnaires were distributed and 176 questionnaires retrieved. The mean gestational age was 32.4 years. The modal parity was 1. With respect to the educational level, tertiary were 129 (73.3%), secondary 43 (24.4%) and primary 4 (2.3%). Those aware of breast cancer were 159 (90.3%). Means of information by the subjects for breast cancer prevention were media 96 (54.6%), hospital 39 (22.0%), religious house 3 (3.8%) and others 38 (19.6%) Antenatal mothers who carried out self breast examination for detection of breast lumps were 95 (54%). Subjects who were aware of mammogram were 42 (23.9%) while those who had mammogram in the past were 2 (1.1%). ANC attendees who had family history of breast cancer were 7 (4%). The relationship between breast cancer awareness and educational status were as follows, tertiary 123 (69.9%), secondary 34 (19.3%), primary 2 (1.1%). Conclusion: Though the level of breast cancer awareness was high 90.3%. Self breast examination for early detection of breast cancer was above average (54%), while the use of mammogram for early detection of breast cancer was still not encouraging represented by 1.1% of the respondents. The media was the commonest medium of awareness for the prevention of breast cancer represented by 54.6% of the ante natal clinic attendees.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 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) | 0,002 | 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 ».