MétaCan
Menu
Retour à la cohorte
Enregistrement W4403763941 · doi:10.1080/14796694.2024.2416885

Colorectal cancer research priorities in Uganda: perspectives from local key experts and stakeholders

2024· article· en· W4403763941 sur OpenAlexfundno aff
Nicholas Matovu, Noleb M. Mugisha, Alfred Jatho, Charlene M. McShane

Notice bibliographique

RevueFuture Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésMedicineKey (lock)Colorectal cancerCancerEnvironmental resource managementInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

The incidence of colorectal cancer (CRC) is increasing in Uganda but there is limited local research to guide policy and programming for CRC prevention and control. A stakeholder engagement workshop took place in Kampala on 19 March 2024 to identify challenges and opportunities for CRC prevention and control in Uganda. A total of 30 stakeholders with expertise in CRC primary and secondary prevention, diagnosis, treatment, palliative care as well as cancer survivors participated in the workshop. Key challenges for primary prevention included low knowledge/awareness of CRC among the general population and health workers, and rising prevalence of CRC related risk factors. Limited CRC screening, diagnostic facilities and specialists were identified as barriers to diagnosis. Treatment related challenges included limited accessibility to surgical services and drugs, late-stage presentation leading to poor treatment response, treatment abandonment and drug related toxicity. Lack of universal health coverage policies, limited community-based cancer awareness programs, and lack of national cancer registries were cited as policy and economics challenges. Opportunities to address these challenges were discussed. Our findings highlight areas for further research and prioritization to address Uganda's growing CRC burden and may be applicable to other low-resource settings.

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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,717
Score d'incertitude au seuil0,845

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,073
Tête enseignante GPT0,388
Écart entre enseignants0,315 · 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'étudeAutre devis
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFuture OncologyMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207