Massive single visit cervical pre-cancer and cancer screening in eastern Democratic Republic of Congo
Notice bibliographique
Résumé
BACKGROUND: In the Democratic Republic of Congo (DRC), practical and affordable strategies for cervical cancer screening are needed to detect and treat pre-cancerous and cancerous lesions in a timely fashion. This study presents the results of mass cervical cancer screenings in eastern DRC using a "screen and treat" approach. METHODS: In two mass cervical cancer screening campaigns, patients underwent a combination of visual inspection of the cervix with acetic acid, visual inspection of the cervix with Lugol iodine solution, and colposcopy with or without loop electrosurgical excision procedure. Cervical biopsy samples were taken for histology analysis. Marital status, age, history of abnormal bleeding, and number of pregnancies were recorded for each patient and association analyses were performed. RESULTS: Of the 644 women who received cervical pre-cancer and cancer screening, 48 had suspicious pre-cancer and cancer lesions that were biopsied (7.45%). On histology analysis cervical intraepithelial neoplasia (CIN) was identified in 15 (2.33%), squamous cell carcinoma (SCC) was identified in 6 (0.93%) and non-neoplastic cervicitis was identified in 11 (1.71%). Abnormal bleeding was significantly associated with CIN/SCC but no significant association was observed for prior pregnancy, patients' home region, or age. CONCLUSION: Forty-eight women with suspicious pre-cancerous or cancerous lesions were successfully identified using the "screen and treat" approach in eastern DRC, suggesting that this approach is feasible for reducing cervical cancer morbidity and mortality. However, community awareness would be necessary, providers would have to be properly trained, referral and follow up mechanisms would have to be put in place, and equipment / supplies would have to be secured if the "screen and treat" approach is to be successful on a wider scale. There is ongoing need for HPV vaccination in DRC as a primary prevention strategy against cervical cancer.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,004 | 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 ».