MétaCan
Menu
Retour à la cohorte
Enregistrement W2135504594 · doi:10.1258/jms.2010.010017

A Fall-off in Cervical Screening Coverage of Younger Women in Developed Countries

2010· article· en· W2135504594 sur OpenAlexaff
Lesz Lancucki, M. Fender, A Koukari, Elsebeth Lynge, V. Mai, Emanuela Mancini, Jay Onysko, Guglielmo Ronco, Sven Törnberg, Martin Vessey, Julietta Patnick

Notice bibliographique

RevueJournal of Medical Screening · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueCervical Cancer and HPV Research
Établissements canadiensPublic Health Agency of CanadaCancer Care Ontario
Organismes subventionnairesnon disponible
Mots-clésMedicineDemographyCervical screeningDeveloped countryAge groupsDeveloping countryGynecologyCervical cancerPopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To analyse cervical screening coverage data by age over time in a number of developed countries throughout the world, with specific emphasis on trends for younger women and on age differentials between younger and older women. METHODS: Routinely collected cervical screening statistics and survey data were collected on the proportion of women who have undergone cervical screening with cytology in seven countries in the period 1995 to 2005. RESULTS: Data for the 25-29 age group were examined. Coverage fell in most countries, in three by more than 5 percentage points. In two countries while overall coverage rose in the period, the rise was not as steep in the youngest group of women. Data for each available 5-year age group for the different countries shows a similar gradient in most, regardless of the absolute level of coverage. Although the trend is not uniform in every country, it appears that generally the gap between coverage of younger women and coverage of older women increased, sometimes dramatically, between the mid-1990s and the mid-2000s. CONCLUSIONS: There is a general trend in developed countries towards lower coverage in young women (25-29 years old). No common underlying cause has been clearly identified and there is a need for further studies to investigate the possible reasons for this phenomenon.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,032
Tête enseignante GPT0,351
Écart entre enseignants0,319 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations57
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical ScreeningMême sujetCervical Cancer and HPV ResearchTravaux en français237 207