The impact of stratifying by family history in colorectal cancer screening programs
Notice bibliographique
Résumé
In the province-wide colorectal cancer (CRC) screening program in Ontario, Canada, individuals with a family history of CRC are offered colonoscopy screening and those without are offered guaiac fecal occult blood testing (gFOBT, Hemoccult II). We used microsimulation modeling to estimate the cumulative number of CRC deaths prevented and colonoscopies performed between 2008 and 2038 with this family history-based screening program, compared to a regular gFOBT program. In both programs, we assumed screening uptake increased from 30% (participation level in 2008 before the program was launched) to 60%. We assumed that 11% of the population had a family history, defined as having at least one first-degree relative diagnosed with CRC. The programs offered screening between age 50 and 74 years, every two years for gFOBT, and every ten years for colonoscopy. Compared to opportunistic screening (2008 participation level kept constant at 30%), the gFOBT program cumulatively prevented 6,700 more CRC deaths and required 570,000 additional colonoscopies by 2038. The family history-based screening program increased these numbers to 9,300 and 1,100,000, a 40% and 93% increase, respectively. If biennial gFOBT was replaced with biennial fecal immunochemical test (FIT), annual Hemoccult Sensa or five-yearly sigmoidoscopy screening, both the added benefits and colonoscopies required would decrease. A biennial gFOBT screening program that identifies individuals with a family history of CRC and recommends them to undergo colonoscopy screening would prevent 40% (range in sensitivity analyses: 20-51%) additional deaths while requiring 93% (range: 43-116%) additional colonoscopies, compared to a regular gFOBT screening program.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».