MétaCan
Menu
Retour à la cohorte
Enregistrement W2150660638 · doi:10.2217/whe.09.57

Effectiveness of Cervical Cancer Screening at Different Ages

2009· article· en· W2150660638 sur OpenAlexaff
Joseph E. Tota, Eduardo L. Franco

Notice bibliographique

RevueWomen s Health · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueCervical Cancer and HPV Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineCervical cancerCervical cancer screeningCervical screeningGynecologyCancerPopulationObstetricsDemographyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Evaluation of: Sasieni P, Castanon A, Cuzick J: Effectiveness of cervical screening with age: population based case-control study of prospectively recorded data. BMJ 339, B2968 (2009). In a large case-control study with cases identified from centers across the UK and using data from the NHS database (collected between 1990 and 2008), investigators evaluated the effectiveness of cervical screening with Pap tests, with a particular focus on women aged 20-24 years. Screening of these young women had little or no effect on the rates of invasive cervical cancer up to 30 years of age. However, screening older women (aged 35-64 years) was shown to reduce cervical cancer risk by approximately 60-80%. This study suggests that the screening age can be safely raised to 25 years without causing harm. Along with the information from this study, policymakers should consider the harms of screening at different ages as well as the absolute rate of cervical cancer in screened and unscreened women of different ages.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,809
Score d'incertitude au seuil0,999

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 recherche0,0000,000
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 Opus0,039
Tête enseignante GPT0,398
Écart entre enseignants0,359 · 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.

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

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWomen s HealthMême sujetCervical Cancer and HPV ResearchTravaux en français237 207