Association between cancer stigma and cervical cancer screening uptake among women of Dhulikhel and Banepa, Nepal
Notice bibliographique
Résumé
BACKGROUND: Cervical cancer ranks as the most common cancer among Nepalese women with a high incidence and mortality. Despite evidence that effective screening programs reduce disease burden, screening services are under-utilized. Cancer stigma can be a major barrier to cervical cancer screening uptake among Nepalese women. OBJECTIVES: This study assessed the association between cancer stigma and cervical cancer screening uptake among women residing in semi-urban areas of Kavrepalanchok district (Dhulikhel and Banepa), Nepal. METHODS: We conducted a cross-sectional study among 426 women aged 30-60 years using telephone interview method from 15th June to 15th October 2021. A validated Cancer Stigma Scale (CASS) was used to measure cancer stigma and categorized women as presence of cancer stigma if the mean total score was greater than three. We obtained information on cervical cancer screening uptake through self-reported responses. Univariable and multivariable logistic regression were performed to assess the association between cancer stigma and cervical cancer screening uptake. We adjusted socio-demographic: age, ethnicity, occupation, religion and education, and reproductive health variables: parity, family planning user, age of menarche and age at first sexual intercourse during multivariable logistic regression. RESULTS: Twenty-three percent of women had cancer stigma and 27 percent reported that they had ever been screened for cervical cancer. The odds of being screened was 0.23 times lower among women who had stigma compared to those who had no stigma (95% CI: 0.11-0.49) after adjusting for confounders: age, ethnicity, occupation, religion, education, parity, contraceptive use, age of menarche and age at first sexual intercourse. CONCLUSION: Women residing in semi-urban areas of Nepal and had cancer stigma were less likely to have been screened for cervical cancer. De-stigmatizing interventions may alleviate cancer stigma and contribute to higher uptake of cervical cancer screening.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».