MétaCan
Menu
Retour à la cohorte
Enregistrement W2099835230 · doi:10.1093/epirev/mxr003

Breast Cancer Screening: A 35-Year Perspective

2011· article· en· W2099835230 sur OpenAlexaboutno aff
Suzanne W. Fletcher

Notice bibliographique

RevueEpidemiologic Reviews · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOverdiagnosisMedicineBreast cancerBreast cancer screeningCancer screeningGuidelineCancerFamily medicinePublic healthPopulationPreventive healthcareMammographyRandomized controlled trialCancer preventionGynecologyTask forceSurgeryInternal medicinePathologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Screening for breast cancer has been evaluated by 9 randomized trials over 5 decades and recommended by major guideline groups for more than 3 decades. Successes and lessons for cancer screening from this history include development of scientific methods to evaluate screening, by the Canadian Task Force on the Periodic Health Examination and the U.S. Preventive Services Task Force; the importance of randomized trials in the past, and the increasing need to develop new methods to evaluate cancer screening in the future; the challenge of assessing new technologies that are replacing originally evaluated screening tests; the need to measure false-positive screening test results and the difficulty in reducing their frequency; the unexpected emergence of overdiagnosis due to cancer screening; the difficulty in stratifying individuals according to breast cancer risk; women's fear of breast cancer and the public outrage over changing guidelines for breast cancer screening; the need for population scientists to better communicate with the public if evidence-based recommendations are to be heeded by clinicians, patients, and insurers; new developments in the primary prevention of cancers; and the interaction between improved treatment and screening, which, over time, and together with primary prevention, may decrease the need for cancer screening.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,036
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,002
Communication savante0,0050,011
Science ouverte0,0020,002
Intégrité de la recherche0,0140,011
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,411
Tête enseignante GPT0,442
Écart entre enseignants0,031 · 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 source (Gemma direct ou Codex distillé), 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
GenreSynthèse

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

En bref

Citations43
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpidemiologic ReviewsMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207