MétaCan
Menu
Retour à la cohorte
Enregistrement W2018483104 · doi:10.1136/bmj.g1403

Too much mammography

2014· letter· en· W2018483104 sur OpenAlexaboutno aff
Mette Kalager, Hans‐Olov Adami, Michael Bretthauer

Notice bibliographique

RevueBMJ · 2014
Typeletter
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMammographyComputer scienceData scienceMedical physicsMedicineInformation retrievalBreast cancerCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Long term follow-up does not support screening women under 60 Before being widely implemented, mammography screening was tested in randomised controlled trials in the 1960s to 80s. Meta-analyses of these trials showed a relative reduction in deaths from breast cancer of between 15% and 25% among women aged 50 to 69.1 2 3 Only the Canadian National Breast Screening Study showed no reduction in breast cancer mortality.1 2 3 This large randomised controlled trial compared physical breast examination with combined physical breast examination and annual mammography in women aged 40 to 59.1 2 3 In a linked paper (doi:10.1136/bmj.g366), Miller and colleagues present the results for up to 25 years of follow-up in the Canadian study.4 No difference in breast cancer mortality was observed between the mammography and control arms, whereas a significant excess incidence of invasive breast cancer was observed in the mammography arm, resulting in 22% overdiagnosis. This means that 22% of screen detected invasive cancers would not have reduced a woman’s life expectancy if left undetected. The major strengths of this study include its randomised design, intense intervention with …

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,710

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,363
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207