Ecologic Analysis of Correlates of Cervical Cancer Morbidity and Mortality in Sub-Saharan Africa
Notice bibliographique
Résumé
BACKGROUND: Cervical cancer is the fourth leading cause of death among women worldwide, with 85% of the burden falling on low- to middle- income countries. We studied the correlates of cervical cancer incidence and mortality, and case-fatality in Sub-Saharan Africa. METHODS: Country-level data on 16 putative cervical cancer correlates for 37 Sub-Saharan African countries were collected from publicly available data sources. We performed univariate and multiple (stepwise) linear regression analyses to identify correlates of cervical cancer incidence and mortality, and case-fatality. RESULTS: In univariate analyses, incidence and mortality rates were significantly correlated with contraceptive use, penile cancer incidence, and human immunodeficiency virus prevalence. Incidence rates were also correlated with literacy rates, whereas mortality rates were correlated with the proportion of rural population and screening coverage. Multiple regression analyses showed contraceptive use (P = 0.009) and penile cancer incidence (P = 0.004) as associated with cervical cancer incidence. Penile cancer incidence (P = 9.77 × 10-5) and number of medical doctors (P = 0.0433) were associated with mortality. The goodness of fit of the incidence and mortality models was moderate at best, explaining 49% and 37% of variability in the data, respectively. However, the case-fatality model had the best fit explaining most of the variation (adjusted R2 = 0.948; P = 6.822 × 10-16). CONCLUSIONS: To reduce the burden of cervical cancer in Sub-Saharan Africa, it would be important to design multimodal interventions that not only target screening and HPV vaccination, but also focus on cervical cancer correlates. IMPACT: Identifying contextual factors associated with cervical cancer in this region could inform targeted interventions.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».