Predictors of Colon Cancer Screening Among the Saudi Population at Primary Healthcare Settings in Riyadh
Notice bibliographique
Résumé
(1) Background: This study aims to identify the sociodemographic, behavioural, and systemic predictors of colorectal cancer (CRC) screening among primary healthcare attendees in Riyadh, Saudi Arabia, to inform targeted interventions and policy strategies. (2) Methods: This cross-sectional study was conducted between March and July 2023 across 48 randomly selected primary healthcare centers in Riyadh, Saudi Arabia. The target population for this study was adults aged 18 and above attending primary healthcare centers in Riyadh. Multi-stage random sampling was used to recruit participants. Multivariate logistic regression was performed to identify independent predictors of CRC screening. (3) Results: CRC screening uptake was found to be only 4.2%. Age was a significant predictor, with individuals aged 50-75 years (adjusted odds ratio [AOR]: 1.90, 95% confidence interval [CI]: 1.50-2.42) and those aged 75 years or older (AOR: 1.37, 95% CI: 1.01-1.87) being more likely to undergo screening compared to younger individuals. Insurance coverage strongly influenced screening behaviour (AOR: 1.64, 95% CI: 1.37-1.96). Smokers were nearly four times more likely to participate in screening than non-smokers (AOR: 3.87, 95% CI: 3.21-4.69), and physical activity was positively associated with screening (AOR: 1.43, 95% CI: 1.11-1.82). (4) Conclusions: CRC screening uptake in Riyadh is critically low, highlighting the need for targeted public health interventions. Key predictors such as age, insurance coverage, smoking, and physical activity underscore the importance of addressing sociodemographic disparities and promoting health awareness. The findings emphasize the need for culturally tailored educational campaigns, improved healthcare access, and enhanced screening programs to increase uptake.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».