MétaCan
Menu
Retour à la cohorte
Enregistrement W4284987983 · doi:10.1093/heapro/daac075

South African men’s perceptions of breast cancer: impact of gender norms on health care accessibility

2022· article· en· W4284987983 sur OpenAlexafffund
Raquel Burgess, Brown Lekekela, Ruari‐Santiago McBride, John Eyles

Notice bibliographique

RevueHealth Promotion International · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensMcMaster University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHealth careMedicineBreast cancerAutonomyQualitative researchPerceptionNursingFamily medicinePsychologyCancerPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Women in low- and middle-income countries (LMICs) often present to the health care system at advanced stages of breast cancer (BC), leading to poor outcomes. A lack of BC awareness and affordability issues are proposed as contributors to the delayed presentation. In many areas of the world, however, women lack the autonomy to deal with their health needs due to restrictive gender norms. The role of gender norms has been relatively underexplored in the BC literature in LMICs and little is known about what men know about BC and how they are involved in women's access to care. To better understand these factors, we conducted a qualitative descriptive study in South Africa. We interviewed 20 low-income Black men with current woman partners who had not experienced BC. Interviewees had limited knowledge and held specific misconceptions about BC symptoms and treatment. Cancer is not commonly discussed within their community and multiple barriers prevent them from reaching care. Interviewees described themselves as having a facilitative role in their partner's access to health care, facets of which could inadvertently prevent their partners from autonomously seeking care. The findings point to the need to better consider the role of the male partner in BC awareness efforts in LMICs to facilitate prevention, earlier diagnosis and treatment.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,115
Tête enseignante GPT0,461
Écart entre enseignants0,346 · 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'étudeQualitatif
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'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Promotion InternationalMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207