Eurogin roadmap 2017: Triage strategies for the management of <scp>HPV</scp>‐positive women in cervical screening programs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cervical cancer screening will rely, increasingly, on HPV testing as a primary screen. The requirement for triage tests which can delineate clinically significant infection is thus prescient. In this EUROGIN 2017 roadmap, justification behind the most evidenced triages is outlined, as are challenges for implementation. Cytology is the triage with the most follow-up data; the existence of an HR-HPV-positive, cytology-negative group presents a challenge and retesting intervals for this group (and choice of retest) require careful consideration. Furthermore, cytology relies on subjective skills and while adjunctive dual-staining with p16/Ki67 can mitigate inter-operator/-site disparities, clinician-taken samples are required. Comparatively, genotyping and methylation markers are objective and are applicable to self-taken samples, offering logistical advantages including in low and middle income settings. However, genotyping may have diminishing returns in immunised populations and type(s) included must balance absolute risk for disease to avoid low specificity. While viral and cellular methylation markers show promise, more prospective data are needed in addition to refinements in automation. Looking forward, systems that detect multiple targets concurrently such as next generation sequencing platforms will inform the development of triage tools. Additionally, multistep triage strategies may be beneficial provided they do not create complex, unmanageable pathways. Inevitably, the balance of risk to cost(s) will be key in decision making, although defining an acceptable risk will likely differ between settings. Finally, given the significant changes to cervical screening and the variety of triage strategies, appropriate education of both health care providers and the public is essential.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle