Cost effectiveness analysis of cervical cancer screening in women until age 70
Notice bibliographique
Résumé
Background: 2017 US Preventive Services Task Force guidelines for screening cervical cancer and pre-malignant lesions advise that screenings cease for women over age 65, with qualifications. Recent literature has identified significant discrepancies in rates of cervical cancer in older women – if hysterectomies in this patient population is accounted for, cervical cancer incidence does not decline with age as previously established. This adjusted incidence of cervical cancer necessitates a re-examination of current practice.Methods: This study seeks to demonstrate the utility of extending the cervical cancer screening age recommendations to age 70. Cost effectiveness will be estimated, from a payer perspective, of extending screening to age 70 for the United States women’s population in those who have not undergone hysterectomy or otherwise been treated for past cervical cancer or premalignancy. A Markov model was constructed to project outcomes in a hypothetical cohort of 10 000 women aged 65 to 70, with a time horizon of lifetime. A Probability Sensitivity Analysis determined the robustness of the result, and the Incremental Cost-effectiveness Ratio (ICER) is charted.Results: The economic evaluation of screening compared to none in this population was determined to be cost effective, with an ICER demonstrating a cost benefit, and Quality Adjusted Life Year (QALY) benefit, to extended screening.Conclusions: The sensitivity analysis confirms the robustness of this result. Implementing extended screening guidelines could potentially be a significant gain for both patients and society.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».