Measuring Colposcopy Quality in Canada: Development of Population-Based Indicators
Notice bibliographique
Résumé
Background: Colposcopy is a key part of cervical cancer control. As cervical cancer screening and prevention strategies evolve, monitoring colposcopy performance will become even more critical. In the present paper, we describe population-based colposcopy quality indicators that are recommended for ongoing measurement by cervical cancer screening programs in Canada. Methods: The Pan-Canadian Cervical Cancer Screening Network established a multidisciplinary expert working group to identify population-based colposcopy quality indicators. A systematic literature review was conducted to ascertain existing population and program-level colposcopy quality indicators. A systems-level cervical cancer screening pathway describing each step from an abnormal screening test, to colposcopy, and back to screening was developed. Indicators from the literature were assigned a place on the pathway to ensure that all steps were measured. A prioritization matrix scoring system was used to score each indicator based on predetermined criteria. Proposed colposcopy quality indicators were shared with provincial and territorial screening programs and subsequently revised. Results: The 10 population-based colposcopy quality indicators identified as priorities were colposcopy uptake, histologic investigation (biopsy) rate, colposcopy referral rate, failure to attend colposcopy, treatment frequency in women 18-24 years of age, re-treatment proportion, colposcopy exit-test proportion, histologic investigation (biopsy) frequency after low-grade Pap test results, length of colposcopy episode of care, and operating room treatment rate. Two descriptive indicators were also identified: colposcopist volume and number of colposcopists per capita. Summary: High-quality colposcopy services are an essential component of provincial cervical cancer screening programs. The proposed quality and descriptive indicators will permit colposcopy outcomes to be compared between provinces and across Canada so as to identify opportunities for improving colposcopy services.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,016 | 0,027 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».