Geospatial analysis and participant characteristics associated with colorectal cancer screening participation in Alberta, Canada: a population-based cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Colorectal cancer (CRC) is a leading cause of death in Canada and early detection can prevent deaths through screening. However, CRC screening in Alberta, Canada remains suboptimal and varies by sociodemographic and health system characteristics, as well as geographic location. This study aimed to further the understanding of these participant and health system characteristics associated with CRC screening in Alberta and identify clusters of regions with higher rates of overdue or unscreened individuals. METHODS: We included Albertans aged 52 to 74 as of December 31, 2019 (index date) and we used data from administrative health data sources and linked to the Alberta Colorectal Cancer Screening Program database to determine colorectal cancer screening rates. We used multivariable multinomial logistic regression analysis to investigate the relationship between sociodemographic, health system characteristics and participation in CRC screening. We used optimized Getis-Ord Gi* hot-spot analysis to identify hot and cold-spots in overdue for and no record of CRC screening. RESULTS: We included 919,939 Albertans, of which 65% were currently up to date on their CRC screening, 21% were overdue, and 14% had no record of CRC screening. Compared to Albertans who were currently up to date, those who were in older age groups, those without a usual provider of care, those who were health system non-users, and those living in more deprived areas were more likely to have no record of screening. Areas with high number of Albertans with no record of screening were concentrated in the North and Central zones. CONCLUSIONS: Our study showed important variation in colorectal cancer screening participation across sociodemographic, health system and geographical characteristics and identified areas with higher proportions of individuals who have no record of screening or are under-screened in Alberta, Canada.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».