Predictors of survival among breast cancer patients in Ethiopia: a systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction: Breast cancer remains a significant public health issue, with delayed medical attention often leading to advanced stages and poorer survival rates. In East Africa, evidence on the prevalence and factors contributing to the delayed presentation of breast cancer is limited. As a result, this study aims to assess the pooled prevalence of delayed breast cancer presentation and identify contributing factors in East Africa. Methods: We conducted a systematic review of observational studies from East Africa using PubMed, Google Scholar, Embase, Cochrane Library, Hinari, and Mednar databases. The Newcastle Ottawa 2016 Critical Appraisal Checklist assessed methodological quality. Publication bias was evaluated using a funnel plot and Egger's test, and heterogeneity was examined with the I-squared test. Data were extracted with Microsoft Excel and analyzed using Stata 11. Results: The pooled prevalence of delayed presentation among breast cancer patients in East Africa was 61.85% (95% confidence interval, 48.83%-74.88%). Significant factors contributing to delayed presentation included visiting traditional healers (adjusted odds ratio, 3.52; 95% CI, 1.43-5.59), low educational levels (adjusted odds ratio, 3.61; 95% CI, 2.39-4.82), age > 40 years (adjusted odds ratio, 1.87; 1.03, 2.71), absence of breast pain (adjusted odds ratio, 2.42; 1.09, 3.74), distance >5 km away from home to health institution (adjusted odds ratio, 2.89; 1.54, 4.24), and rural residence (adjusted odds ratio, 3.33; 95% CI, 2.16-4.49). Conclusion: This meta-analysis' findings demonstrated that over half of breast cancer patients in East Africa delayed detection. Significant factors associated with delayed presentation include age over 40 years, illiteracy, rural residence, use of traditional healers, distance >5 km from a health facility, and absence of breast pain. Healthcare stakeholders and policymakers must be focused on raising awareness and educating people to encourage early detection and prompt therapy.
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 | 0,012 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,033 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».