Recherche interventionnelle pour la réduction des inégalités sociales et territoriales de dépistage des cancers
Bibliographic record
Abstract
Les inégalités sociales constituent un obstacle majeur à la cohésion sociale et économique d’un pays, particulièrement celles touchant le domaine de la santé. Dans le domaine du dépistage des cancers, le constat actuel est celui d’un gradient social de participation et de fortes inégalités territoriales. Cet article rapporte des résultats de deux recherches interventionnelles consistant à ajouter au dispositif en place des modes supplémentaires d’incitation à réaliser un test de dépistage pour des populations particulières. Un essai prospectif à unités de randomisation collective a été mis en place d’avril 2011 à avril 2013 dans les trois départements du Nord de la France – l’Aisne, l’Oise et la Somme – afin d’évaluer l’apport d’un accompagnement au dépistage du cancer colorectal (CCR) par des travailleurs sociaux (essai Prado). Une étude rétrospective a été conduite sur l’expérience de mammobile conduite dans le département de l’Orne depuis plusieurs années concernant le dépistage du cancer du sein. L’analyse des résultats montre que chacun de ces dispositifs est capable de réduire, voire d’effacer les inégalités sociales et territoriales à un coût raisonnable pour la société. Elle montre également qu’en matière de dépistage, les inégalités ne pourront être réduites que si on ajoute au dispositif national des dispositifs supplémentaires dédiés à des populations particulières selon un principe d’universalisme proportionné.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.018 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".