Customized early detection of colorectal cancer in Nigeria identifies advanced adenomas and early‐stage disease
Notice bibliographique
Résumé
BACKGROUND: Colorectal cancer (CRC) incidence is increasing in low- and middle-income countries, where late-stage presentation is common and survival rates remain poor. Early-detection programs are critical to improving outcomes. METHODS: A longitudinal early-detection study was conducted in Osun State, Nigeria. A 6-month community awareness campaign was implemented with posters, radio jingles, social media, and messaging disseminated via health and religious institutions. CRC knowledge was assessed before and after the intervention with the validated Bowel Cancer Awareness Measure questionnaire. Individuals with indicators of CRC were referred from peripheral facilities to an early-diagnosis (ED) clinic at a tertiary center. Demographic data, presenting features, and diagnostic outcomes were prospectively recorded. The primary end point was detection of advanced adenomas and CRC. RESULTS: Of 497 eligible participants, 322 (64.8%) completed pre- and postcampaign surveys. Awareness of CRC improved from 54 (16.8%) to 311 (96.9%) (p < .001). Good knowledge of CRC risk factors and symptoms also increased significantly (p < .001). A total of 329 individuals were navigated to the ED clinic; 168 (51.1%) were eligible for the protocol, and 116 (73.0%) completed colonoscopy. CRC was diagnosed in four patients (3.4%), with stage 0 (n = 2), II (n = 1), and III (n = 1). Advanced adenomas were identified in 11% of patients (13 of 116) who underwent colonoscopy. CONCLUSIONS: Combining community engagement with patient navigation significantly increased CRC awareness and enabled the detection of advanced adenomas and early-stage cancers. Expanding this model to a national level is recommended to evaluate broader impact, cost-effectiveness, and potential implementation challenges.
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 | 0,002 |
| 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) | 0,001 | 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 ».