MétaCan
Menu
Retour à la cohorte
Enregistrement W4309027574 · doi:10.1016/j.pmedr.2022.102056

Patterns and predictors of adherence to breast cancer screening recommendations in Alberta’s Tomorrow Project

2022· article· en· W4309027574 sur OpenAlexafffundabout
Olivia K. Loewen, Navjot Sandila, Grace Shen-Tu, Jennifer E. Vena, Huiming Yang, Kara K. Patterson, Jianyi Xu

Notice bibliographique

RevuePreventive Medicine Reports · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensUniversity of AlbertaAlberta Health Services
Organismes subventionnairesAlberta HealthAlberta Cancer FoundationAlberta Health Services
Mots-clésMedicineFamily medicineCancer screeningBreast cancer screeningLogistic regressionBreast cancerMultinomial logistic regressionCohortDemographyCancerMammographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Breast cancer screening is an important prevention component as it can reduce cancer mortality and improve survival. Understanding patterns of adherence to screening recommendations is essential to guide health promotion strategies and policy implementation efforts. The 1999 Alberta screening guidelines were used to determine screening status for eligible female participants in Alberta's Tomorrow Project (n = 4,972), a longitudinal province-based cohort. Screening patterns were derived based on screening status assessed at enrollment (2001-2008) and follow-up (2008-2011). Information on reason for screening was also collected at each time point. Multinomial logistic regression was used to assess potential predictors of adherence to screening recommendations. The majority of participants were up-to-date with screening at enrollment (79.3 %), and follow-up (75.2 %). Among all participants, 66.3 % were up-to-date at both time points (considered 'regular screeners'), 8.9 % were not up-to-date or never at enrollment but up-to-date at follow-up (considered 'new screeners'), 21.6 % were not up-to-date at follow-up (considered 'episodic screeners') and 3.2 % had never participated in screening (considered 'non-screeners'). Having a family doctor was the strongest factor associated with being a regular screener (OR (95 % CI): 0.37 (0.24 0.57) when compared with new screeners. Current smokers were more likely to be non-regular screeners. The primary reason for screening was routine screening or age. In conclusions, non-regular screening patterns were more prevalent among women without a family doctor. This finding suggests having a family doctor is an important mechanism to encourage screening. Further work is required to raise awareness of current recommendations and to understand and address reasons for non-adherence.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,051
Score d'incertitude au seuil0,950

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,068
Tête enseignante GPT0,374
Écart entre enseignants0,306 · 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 tête enseignante, 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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePreventive Medicine ReportsMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207