A meta-analysis of mammography screening promotion.
Notice bibliographique
Résumé
The purpose of this study was to identify factors that influence the effectiveness of interventions in increasing women's use of mammography screening programs. To this end, we conducted a systematic literature review of studies published between 1966 and 1997. In this review, we recorded data about the year and country in which studies were completed, the study design, the methods for measuring screening rates, various sample characteristics, the nature of the intervention, and the resulting screening rates. The PRECEDE model was used as a framework to make distinctions between the various interventions. To synthesize evidence about the baseline screening rates and the effect of interventions on the incidence of mammography screening, we fit random-effects logistic regression models. These models revealed that more recent studies (those conducted from 1990 to 1996) were associated with higher screening rates (odds ratio [OR], 2.1; 95% confidence interval [CI], 1.2-3.9). Conversely, those designed to target older women (minimum age, 50-65 years) and those set in clinics exhibited smaller screening rates (OR, 0.6, 95% CI, 0.3-1.0, and OR, 0.5; 95% CI, 0.3-0.8, respectively). The meta-analyses also suggested methodologic issues that must be considered before the relative strength of various interventions can be assessed rigorously.
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 | 0,024 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,036 |
| Bibliométrie | 0,008 | 0,006 |
| 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) | 0,005 | 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 ».