Socio-economic factors associated with cancer stigma among apparently healthy women in two selected municipalities Nepal
Notice bibliographique
Résumé
INTRODUCTION: Cancer is the primary cause of death globally, and despite the significant advancements in treatment and survival rates, it is still stigmatized in many parts of the world. However, there is limited public health research on cancer stigma among the general female population in Nepal. Therefore, this study aims to determine the prevalence of cancer stigma and its associated factors in this group. METHODS: We conducted a cross-sectional study among 426 healthy women aged 30 to 60 years who were residents of Dhulikhel and Banepa in central Nepal. We measured cancer stigma using the Cancer Stigma Scale (CASS). CASS measures cancer stigma in six domains (awkwardness, avoidance, severity, personal responsibility, policy opposition, financial discrimination) on a 6-point Likert scale (strongly disagree to agree strongly) with higher mean stigma scores correlating with higher levels of stigma. We utilized Generalized Estimating Equations (GEE) with multivariable linear regression to identify the socio-demographic factors associated with the CASS score. RESULTS: Overall, the level of cancer stigma was low, with a mean stigma score of 2.6 (0.6), but it was still present among participants. Stigma related to personal responsibility had the highest levels, with a mean score of 3.9 (1.3), followed by severity with a mean score of 3.2 (1.3), and financial discrimination with a mean score of 2.9 (1.6). There was a significant association between the mean CASS score and older age (mean difference in stigma score: 0.11 points; 95% CI: 0.02-0.20) as well as lower education (difference: -0.02 points; 95% CI: -0.03 to -0.003), after adjusting for age, ethnicity, education, marital status, religion, occupation, and parity. CONCLUSION: While overall cancer stigma was low, some domains of stigma were higher among women in a suburban area in central Nepal; thus, indicating that cancer stigma persists in this region despite its low overall prevalence.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».