META-ANALYSIS OF THE DIAGNOSTIC ACCURACY OF SCREENING TESTS FOR COLORECTAL CANCER
Notice bibliographique
Résumé
Purpose: To conduct a meta-analysis on the diagnostic accuracy of five screening tests for colorectal cancer (CRC): fecal occult blood test (FOBT), double-contrast barium enema (DCBE), flexible sigmoidoscopy (FSIG), conventional colonoscopy (COL) and computed tomography colonoscopy (CTCOL). Methods: A literature search was carried out in MEDLINE for each test. Articles were reviewed by two independent reviewers. Inclusion criteria were: 1) RCTs or observational studies of CRC screening; 2) patients with low to average risk of CRC; 3) complete data to calculate sensitivity and specificity. Exclusion criteria were: 1) non-peer reviewed articles; 2) articles whose primary aim was not to assess CRC screening; 3) articles not in English/French; 4) articles published prior to 1975; 5) high risk screening populations. Weighted linear regression was used to identify significant covariates. Sensitivity and specificity were pooled for relevant subgroups. Results: The initial literature search found 399 articles for FOBT, 253 for DCBE, 394 for FSIG, 434 for COL, and 345 for CTCOL. Of these, 12, 8, 10, 8, and 13 articles respectively, were included in the final analysis. With the exception of colonoscopy the remaining tests showed evidence of heterogeneity and threshold effect. Significant covariates included study design and type of FOBT. Conclusions: When heterogeneity is present within test groups, results from pooled sensitivity and specificity can be misleading. A planned future step is to estimate diagnostic odds ratios and build summary ROC curves which are more reliable estimates of test accuracy for evidence synthesis.Table: Polled Sensitivity and Specificity for 5 CRC Screening Tests
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».