Geographic, Demographic, and Socioeconomic Disparities and Factors Associated With Cancer Literacy in China: National Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Cancer literacy is associated with several health-related behaviors and outcomes. However, there is still a lack of nationwide surveys for cancer literacy in China. OBJECTIVE: This study aims to evaluate cancer literacy in China, explore disparities, and provide scientific evidence for policy makers. METHODS: A cross-sectional survey was conducted in mainland China in 2021 using the multistage probability proportional to the size sampling method. Both the reliability and validity of the questionnaire were evaluated. The awareness levels were adjusted by sampling weights and nonrepresentativeness weights to match the actual population distributions. The Rao-Scott adjusted chi-square test was applied to test geographic, demographic, and socioeconomic disparities. A generalized linear model was used to explore potential factors. RESULTS: A total of 80,281 participants aged 15-74 years were finally enrolled from 21 provinces, with an overall response rate of 89.32%. The national rate of cancer literacy was 70.05% (95% CI 69.52%-70.58%). The rates were highest regarding knowledge of cancer management (74.96%, 95% CI 74.36%-75.56%) but were lowest regarding basic knowledge of cancer (66.77%, 95% CI 66.22%-67.33%). Cancer literacy was highest in East China (72.65%, 95% CI 71.82%-73.49%), Central China (71.73%, 95% CI 70.65%-72.81%), and North China (70.73%, 95% CI 68.68%-72.78%), followed by Northeast (65.38%, 95% CI 64.54%-66.22%) and South China (63.21%, 95% CI 61.84%-64.58%), whereas Southwest (59.00%, 95% CI 58.11%-59.89%) and Northwest China (57.09%, 95% CI 55.79%-58.38%) showed a need for improvement. Demographic and socioeconomic disparities were also observed. Urban dwellers, the Han ethnic group, and population with higher education level or household income were associated with prior knowledge. The questionnaire showed generally good internal and external reliability and validity. CONCLUSIONS: It remains important for China to regularly monitor levels of cancer literacy, narrow disparities, and strengthen health education for dimensions with poor performance and for individuals with limited knowledge to move closer to the goal of Healthy China 2030.
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 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».