CERVICAL CANCER SCREENING RATES AMONG KOREAN WOMEN OF CHILDBEARING AGE WITH SYSTEMIC LUPUS ERYTHEMATOSUS
Notice bibliographique
Résumé
PV087 / #47 Poster Topic: AS11 - Epidemiology and Public Health Background/Purpose Women with systemic lupus erythematosus (SLE) face an increased risk of cervical cancer (CC), yet their CC screening rates are reportedly low. This study aimed to examine the CC screening rates and identify potential predictors influencing CC screening uptake in Korean women of childbearing age with SLE. Methods Prevalent cases of women of childbearing age (20-49 years) with SLE were identified using the National Health Insurance Service-National Health Information Database (NHIS-NHID) (2016-2017). Age-matched women without rheumatic diseases, including SLE, seropositive rheumatoid arthritis, and ankylosing spondylitis randomly selected at a 1:5 ratio served as controls. For those eligible for CC screening in 2018-2019, Papanicolaou (Pap) test rates were calculated from NHIS-National Health Screening Database. Logistic regression was used to estimate odds ratios (ORs) for factors associated with CC screening. Results Among 10,981 women with SLE and 54,905 age-matched controls eligible for CC screening, Pap test rate was significantly lower in the SLE group compared with the control group (49.6% vs 52.1%, p ≤ 0.0001). Logistic regression analysis revealed that younger age, lower income, self-employment and medical aid insurance types, and rural residence were associated with lower likelihood of Pap test uptake in both the SLE and control groups. The presence of comorbidities increased the likelihood of Pap test uptake in the control group (OR 1.18, 95% CI 1.13-1.23), but had no significant impact on the SLE group (OR 0.95, 95% CI 0.87-1.04). Conclusions CC screening rates were significantly lower in women with SLE compared with their age-matched controls. To lower the risk of CC in women of childbearing age with SLE, it is crucial to implement strategies that reinforce adherence to national CC screening programs for these women, particularly for those who are younger, have lower incomes, have self-employment and medical aid insurance types, or reside in rural areas.
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».