Connaissances, utilisation et obstacles liés au dépistage du cancer du col utérin dans des hôpitaux de district de Kigali, au Rwanda
Bibliographic record
Abstract
CONTEXTE: Dans le monde, le cancer du col utérin arrive au troisième rang des cancers les plus fréquents chez les femmes, mais il passe au deuxième rang en Afrique orientale, où se trouve le Rwanda. Le dépistage périodique est un moyen de prévention efficace. Malgré cela, en Afrique, on estime que le taux de dépistage de ce cancer se situe entre 10 et 70 %. Plusieurs facteurs entravent le dépistage, surtout en Afrique subsaharienne. Au Rwanda, on recense peu d'écrits sur l'utilisation des services de dépistage et les facteurs nuisant au dépistage du cancer du col utérin. OBJECTIF: Évaluer les connaissances sur le dépistage du cancer du col utérin qu'ont les femmes fréquentant les hôpitaux de district de Kigali (au Rwanda), recenser l'utilisation de ce service et déterminer les obstacles qui empêchent d'y recourir. MÉTHODOLOGIE: Une étude transversale descriptive a été menée, et les données ont été collectées au moyen d'un questionnaire structuré. Des questions nominales de type « oui ou non » ont mis en lumière les connaissances des femmes sur le cancer du col utérin et l'utilisation des services de dépistage. Pour cerner les obstacles au dépistage, nous avons utilisé des questions de type « échelle de Likert ». Ces données ont ensuite fait l'objet d'une analyse statistique descriptive et déductive. La sélection des répondantes s'est faite par échantillonnage aléatoire systématique depuis la base de données des patientes fréquentant les services gynécologiques de trois hôpitaux de district de Kigali (Rwanda). RÉSULTATS: Au total, 329 femmes ont répondu au sondage. La moitié d'entre elles (n = 165) connaissaient bien le dépistage du cancer du col utérin. Le pourcentage de dépistage se situe à 28,3 %. Nous avons décelé un lien entre l'utilisation du dépistage et une bonne connaissance du sujet (P = 0,000, r = -0,392) ainsi que certains facteurs démographiques (P = 0,000). Parmi les obstacles qui concourent à restreindre l'accès au dépistage, nous avons relevé des obstacles individuels (méconnaissance de l'existence des services de dépistage), géographiques (milieu rural) et liés au système de santé et aux prestataires de soins (campagnes de sensibilisation déficientes, attitudes négatives des prestataires de soins envers les patientes et longs délais d'attente). CONCLUSION: Dans les hôpitaux de district étudiés de Kigali (Rwanda), on constate un faible pourcentage de dépistage du cancer du col utérin causé par plusieurs obstacles. Il est donc fortement recommandé d'engager une campagne d'information permanente sur ce cancer et son dépistage. Enfin, il est crucial que les prestataires de soins qualifiés encouragent les femmes à se soumettre au dépistage, et qu'ils s'efforcent de réduire les obstacles qui s'y rattachent.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".