MétaCan
Menu
Retour à la cohorte
Enregistrement W4405442294 · doi:10.3390/socsci13120676

Korean American Immigrant Women’s Mammography Use in Korea: Factors Associated with Medical Tourism

2024· article· en· W4405442294 sur OpenAlexaboutno aff
Mi Hwa Lee, Joseph R. Merighi, Leslie E. Cofie, Bryan L. Rogers

Notice bibliographique

RevueSocial Sciences · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Healthcare and Medical Tourism
Établissements canadiensnon disponible
Organismes subventionnairesAmerican Cancer Society
Mots-clésImmigrationMedicineMammographyBreast cancerQuarter (Canadian coin)Logistic regressionDemographyHealth careFamily medicineAsian americansGerontologyEnvironmental healthCancerEthnic groupEconomic growthGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

This study examined social determinants associated with Korean American immigrant women’s mammography use in Korea after immigration to the United States. Data from a cross-sectional survey were obtained from 187 women in Los Angeles County, California. More than one-quarter (28.3%) of the respondents reported returning to Korea for a mammogram after immigrating to the United States. Multivariable logistic regression revealed that compared to those who had their first mammogram in Korea, Korean American immigrant women who had their first mammogram in the United States were less likely to return to Korea for subsequent screenings (AOR = 0.02, 95% CI: <0.001, 0.05); also, those who had employer-based health insurance in the United States were less likely to get a mammogram in Korea after immigration (AOR = 0.01, 95% CI: <0.01, 0.18). Findings suggest that women familiar with the Korean healthcare system and who are uninsured or have inconsistent healthcare coverage in the United States may seek care in Korea. To promote adherence to breast cancer screening guidelines among Korean American immigrant women residing in the United States, greater access to free or low-cost screening services and breast cancer screening education is warranted to reduce the risk of later stage breast cancer detection resulting from medical tourism.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,002
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 Opus0,082
Tête enseignante GPT0,424
Écart entre enseignants0,343 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial SciencesMême sujetGlobal Healthcare and Medical TourismTravaux en français237 207