Visual inspection as a cervical cancer screening method in a primary health care setting in Africa
Notice bibliographique
Résumé
We evaluated the feasibility and performance of visual inspection with acetic acid (VIA) and Lugol's iodine (VILI) for cervical cancer screening in a primary health-care setting in Kinshasa, Congo. Women (1,528) aged > or =30 years were screened independently by nurses and physicians by VIA and VILI and Pap cytology. Biopsy samples were obtained from women with abnormal colposcopies and from 290 randomly chosen women with normal colposcopy. Cytological and histological examinations were performed in Lyon and Montreal, respectively. The prevalence of cervical intraepithelial neoplasia (CIN) of grades 1, 2 and 3 was 4.5, 1.3 and 4%, respectively. Using biopsy as the reference, the sensitivity, specificity and negative predictive value (NPV) for > or =CIN 2 for VIA-nurse were 55.5% (95% CI: 34.7-76.2), 64.6% (95% CI: 62.0-67.1) and 96.8% (95% CI: 93.5-98.7), respectively. The corresponding values for VILI-nurse were 44.0% (95% CI: 24.2-63.8), 74.6% (95% CI: 72.3-76.9) and 96.7% (95% CI: 93.7-98.6). The equivalent parameters for physicians were 71.1% (95% CI: 46.7-95.5), 71.3% (95% CI: 68.9-73.6) and 98.6% (95% CI: 96.0-99.7) for VIA and 68.3% (95% CI: 42.5-94.0), 76.2% (95% CI: 74.0-78.4) and 97.2% (95% CI: 95.3-98.5) for VILI. The sensitivity of cytology ranged between 31 and 72%, depending on the abnormality threshold used to define positivity, with a corresponding specificity range of 94-99% and a NPV range of 97-99%. Our results show that VIA and VILI performed by nurses and physicians are slightly more sensitive but less specific than Pap cytology across multiple combinations of test and lesion thresholds. Given their lower cost and easy deployment, visual inspection methods merit further assessment as cervical cancer screening methods for low-resource countries.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».