Public knowledge, attitudes, practices, and barriers to skin cancer screening in the United Arab Emirates
Notice bibliographique
Résumé
OBJECTIVE: To assess knowledge, attitude, practice, and barriers to skin cancer screening among the general population of the United Arab Emirates (UAE). METHODS: In this cross-sectional study, an online-based questionnaire was distributed via online social media sites such as Facebook, WhatsApp, Twitter, and others to the residents of the UAE. The questionnaire evaluated socio-demographics, knowledge (8 items), attitudes (10 items), practices (14 items), and barriers (9 items) in the context of skin cancer screening. A binary logistic regression was conducted to assess variables associated with practice levels. RESULTS: The study included 924 participants (51.9% females), with a median (IQR) age of 32 (22-44) years. Results showed a window for knowledge improvement [median = 4 (3-6) out of a maximum potential score of 8], unfavourable attitudes [median = 37 (33-39) out of a maximum potential score of 50], inadequate practices [median = 41 (31-45) out of a maximum possible score of 70]. The most common barriers to skin cancer screening were lack of knowledge about skin cancer (74.1%), lack of awareness of the need for skin cancer screening (72.2%), and absence of symptoms (54.1%). Older age (OR = 0.985, 95%CI: 0.971-0.998) and lack of health insurance (OR = 0.478, 95%CI: 0.301-0.758) were associated with lower screening practices. Female gender (OR = 1.833, 95%CI: 1.361-2.469), being married (OR = 1.415, 95%CI: 1.006-1.992), being a non-smoker (OR = 1.568, 95%CI: 1.045-2.352) or a former smoker (OR = 2.555, 95% CI: 1.082-6.034), and more favourable attitudes (OR = 1.071, 95%CI: 1.044-1.096) were associated with higher screening practices. CONCLUSION: The UAE population exhibited moderate knowledge, unfavourable attitudes, and inadequate practices regarding skin cancer screening, with several barriers identified. Targeted online and in-person awareness campaigns are crucial for improving public understanding and attitudes, thereby enhancing screening practices, especially among older adults, males, smokers, and those without health insurance.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».