MétaCan
Menu
Retour à la cohorte
Enregistrement W2903748704 · doi:10.21149/9891

Use of HPV testing in cervical cancer screening services in Mexico, 2008-2018: a nationwide database study

2018· article· en· W2903748704 sur OpenAlexaff
Erika Hurtado‐Salgado, Eduardo Ortiz‐Panozo, Jorge Salmerón, Nenetzen Saavedra‐Lara, Pablo Kuri‐Morales, Eduardo Pesqueira-Villegas, Rufino Luna‐Gordillo, Eduardo L. Franco, Eduardo Lazcano‐Ponce

Notice bibliographique

RevueSalud Pública de México · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCervical Cancer and HPV Research
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésCervical cancer screeningCervical cancerMedicineFamily medicineCancer screeningMEDLINECancerGynecologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To describe the methods of a study aimed at evaluating high risk-HPV (hrHPV)-based screening and cervical cytology as triage compared to conventional cervical cytology as primary screening in the detection of grade 2+ cervical intraepithelial neoplasia in the National Cancer Screening Program (NCSP) of Mexico. MATERIALS AND METHODS: We will use information originated from the Womens Cancer Information System of Mexico regarding cervical cancer from 2008 to 2018. The database includes cytology results, diagnostic confirmation by histopathology and/or treatment colposcopy. We will then carry out statistical analyses on approximately 15 million hrHPV. RESULTS: We will evaluate the overall performance of hrHPV-based screening as part of the NCSP and compare hrHPV-based to cytology-based screening under real-life conditions. To guarantee an unbiased comparison between hrHPV with cytology triage and conventional cytology we will use propensity score matching. CONCLUSIONS: ytology we will use propensity score matching. Conclusion. Decision makers may use our results to identify areas of opportunity for improvement in NCSP processe.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,126
Tête enseignante GPT0,391
Écart entre enseignants0,265 · 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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSalud Pública de MéxicoMême sujetCervical Cancer and HPV ResearchTravaux en français237 207