Mapping local evidence on early recognition and management of people with potential cancer symptoms: a narrative review
Notice bibliographique
Résumé
Aim Early cancer detection has potential to improve outcomes. However, many patients in South Africa present when the disease is at an advanced stage. The World Health Organization recommends two approaches to early cancer detection: screening asymptomatic individuals, and early recognition and management of symptomatic individuals. This paper focuses on the latter. For people with potential cancer symptoms, the journey to diagnosis is complex and influenced by multiple factors. Most symptomatic people will self-present to primary health care clinics, where primary health care providers are pivotal in triage. Methods This article presents local insights into cancer awareness measurement tools: community-level cancer symptom awareness, lay beliefs, and symptom appraisal; factors influencing the journey from symptom discovery to diagnosis; primary health care provider challenges in assessing symptomatic individuals, and interventions to support symptom assessment and help-seeking. It draws on findings from the African Women Awareness of CANcer (AWACAN) project and a narrative review of relevant published articles on journeys to cancer diagnosis in SA (2013-2023). Findings Very few cancer awareness measurement tools have been locally validated, hampering comparison and limiting opportunities for intervention development and evaluation. The AWACAN study developed and validated a local cancer awareness measurement tool for breast and cervical cancer. Studies show that most people in SA need information on cancer risk, symptoms, and pathways to care. Barriers to accessing health care include financial, infrastructural, safety, stigma, and previous health facility experiences. Primary health care providers require support for symptom assessment and referral systems. There is limited local work on developing and evaluating interventions to improve timely cancer diagnosis. Conclusions This paper underscores the importance of prioritising early recognition and management of people with symptomatic cancer as part of a comprehensive cancer control plan, providing insights for improving the journey to diagnosis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».