Mortality reductions due to mammography screening: Contemporary population-based data
Notice bibliographique
Résumé
Our objective was to compare breast cancer mortality in two regions of the Republic of Ireland that introduced a screening programme eight years apart, and to estimate the steady-state mortality deficits the programme will produce. We carried out age- and year-matched between-region comparison of breast cancer mortality rates, and of incidence rates of stage 2-4 breast cancer, in the eligible cohorts. The regions comprised counties that, beginning in early 2000 (region 1) and late 2007 (region 2), invited women aged 50-64 to biennial mammography screening. The data were supplied by the National Cancer Registry, Central Statistics Office. As impact measures, we used age-and-year-matched mortality (from breast cancers diagnosed from 2000 onwards), rate ratios and incidence rate ratios in the compared regions from 2000 to 2013. Ratios were adjusted for between-region differences in background rates. In cohorts too old to be invited, death rates in regions 1 and 2 were 702 per 0.91 and 727 per 0.90 million women-years respectively (Ratio 0.96). In the eligible cohorts, they were 1027 per 2.9 and 1095 per 2.67 (Ratio 0.88). Thus, rates in cohorts that could have benefitted were 9% lower in region 1 than region 2: (95%CI: -20%, +4%). The incidence rates of stage 2-4 breast cancer were 7% lower in region 2 than region 1 over the entire 14 year period, and 20% lower in 2007, i.e., before the screening in region 2 began to narrow the difference. Since mortality reductions due to screening only manifest after several years, the full impact of screening has not yet been realized in region 1. The lower rate observed in that region is a conservative estimate of the steady state benefit. Additional deaths would have been averted had screening continued beyond age 64.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».