Public perspectives on ethical issues in lung cancer screening policy design and implementation in Ontario, Canada
Notice bibliographique
Résumé
• Public views on cancer screening ethical issues may contribute to policymaking. • Screening programs are being implemented to reduce lung cancer mortality. • This research examined public views on lung cancer screening ethical issues. • Participants supported high-risk screening, except for people who currently smoke. • Screening policies should more effectively mitigate smoking stigma. Public perspectives on ethical issues in cancer screening may contribute to informing policymaking. Lung cancer screening is being implemented with the aim of reducing lung cancer mortality. Inequitable lung carcinogen exposure and lung cancer disparities are key ethical challenges in screening. This research aimed to examine public perspectives about ethical issues in lung cancer screening. A qualitative description study was conducted in Ontario, Canada, where a provincial lung cancer screening program is being implemented. Using maximum variation sampling, Ontario residents aged 55–85 years were recruited via family medicine clinics, social media, and personal networks. Semi-structured interviews were conducted with individual participants to elicit their perspectives on established ethical issues in cancer screening, with questions focused on potential lung cancer screening benefits and harms, who should be eligible, and why. Twenty-six individuals participated in this study. Participants were aged 61−70 years and of various education levels. Sixty-five percent were women. No participants currently smoked commercial tobacco. Participants believed screening was important for reducing lung cancer mortality and saving healthcare costs. Participants stated that screening should consider and prioritize a wider range of lung cancer risk factors, such as occupational exposures and family history of lung cancer, than factors currently being used to offer screening to those at high risk. Participants gave less priority to screening for people who currently smoke. Public perspectives supported screening high-risk candidates; however, support may be undermined by smoking stigma. Screening policies should more effectively mitigate stigma and ethically justify screening candidacy decisions.
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 | 0,003 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».