The effect of population‐based mammography screening in Dutch municipalities on breast cancer mortality: 20 years of follow‐up
Notice bibliographique
Résumé
Long-term follow-up data on the effects of screening are scarce, and debate exists on the relative contribution of screening versus treatment to breast cancer mortality reduction. Our aim was therefore to assess the long-term effect of screening by age and time of implementation. We obtained data on 69,630 breast cancer deaths between 1980 and 2010 by municipality (N = 431) and age of death (40-79) in the Netherlands. Breast cancer mortality trends were analyzed by defining the municipality-specific calendar year of introduction of screening as Year 0. Additionally, log-linear Poisson regression was used to estimate the turning point in the trend after Year 0, per municipality, and the annual percentage change (APC) before and after this point. Twenty years after introduction of screening breast cancer mortality was reduced by 30% in women aged 55-74 and by 34% in women aged 75-79, compared to Year 0. A similar and significant decrease was present in municipalities that started early (1987-1992) and late (1995-1997) with screening, despite the difference in availability of effective adjuvant treatment. In the age groups 55-74 and 75-79, the turning point in the trend in breast cancer mortality was estimated in Years 2 and 6 after the introduction of screening, respectively, after which mortality decreased significantly by 1.9% and 2.6% annually. These findings show that the implementation of mammography screening in Dutch municipalities is associated with a significant decline in breast cancer mortality in women aged 55-79, irrespective of time of implementation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».