Association Between Adherence to Cancer Screening and Knowledge of Screening Guidelines: Feasibility Study Linking Self-Reported Survey Data With Medical Records (Preprint)
Notice bibliographique
Résumé
BACKGROUND It is possible that patients who are more aware of cancer screening guidelines may be more likely to adhere to them. OBJECTIVE The aim of this study was to determine whether screening knowledge was associated with the documented screening participation. We also assessed the feasibility and acceptability of linking electronic survey data with clinical data in the primary care setting. METHODS We conducted an electronic survey at 2 sites in Toronto, Canada. At one site, eligible patients were approached in the waiting room to complete the survey; at the second site, eligible patients were sent an email inviting them to participate. All participants were asked to consent to the linkage of their survey results with their electronic medical record. RESULTS Overall, 1683 participants responded to the survey—247 responded in the waiting room (response rate, 247/366, 67.5%), whereas 1436 responded through email (response rate, 1436/5779, 24.8%). More than 80% (199/247 and 1245/1436) of participants consented to linking their survey data to their medical record. Knowledge of cancer screening guidelines was generally low. Although the majority of participants were able to identify the recommended tests for breast and cervical screening, very few participants correctly identified the recommended age and frequency of screening, with a maximum of 22% (21/95) of screen-eligible women correctly answering all 3 questions for breast cancer screening. However, this low level of knowledge among patients was not significantly associated with screening uptake, particularly after adjustment for sociodemographic characteristics. CONCLUSIONS Although knowledge of screening guidelines was low among patients in our study, this was not associated with screening participation. Participants were willing to link self-reported data with their medical record data, which has substantial implications for future research.
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 | 0,022 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».