Meta‐analysis of the efficacy of cold coagulation as a treatment method for cervical intraepithelial neoplasia: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Cold coagulation is an ablative method for treatment of cervical intraepithelial neoplasia (CIN). Despite reports of efficacy against all grades of CIN (CIN1-3), cold coagulation has been infrequently used since the 1980s, and was absent from the recent Cochrane review on CIN treatment. OBJECTIVES: To provide a systematic review of cold coagulation efficacy and acceptability for CIN treatment through meta-analysis of clinical reports and a randomised control trial. SEARCH STRATEGY: A literature search in PubMed, Web of Science, EMBASE, and regional databases yielded 388 papers. Title, abstract and/or reference list review identified 22 papers describing cold coagulation treatment of CIN, with 13 providing adequate data for inclusion in the meta-analysis. SELECTION CRITERIA: Publications or conference abstracts describing original data (number of women treated, followed up and cured, provider type, cure definition) were retained. No language or publication date limitations were imposed. DATA COLLECTION AND ANALYSIS: Data extracted from 13 studies were pooled, and statistical analyses of proportion cured were conducted with data stratified by lesion grade and study region. MAIN RESULTS: Among 4569 CIN patients treated with cold coagulation, summary proportion cured of 96% [95% confidence interval (CI) 92-99%] and 95% (92-98%) were obtained for CIN1 and CIN2-3 disease, respectively. Side-effects and adverse effects were infrequent, and fertility was not impaired. CONCLUSIONS: Cold coagulation CIN cure rates were comparable to those of other excisional and ablative methods. Cold coagulation is indicated for all grades of CIN, is safe, quick and acceptable, and may be of particular relevance for use in resource-limited settings.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».