When Is a Suboptimal Approach to Cancer Screening Better Than None?
Notice bibliographique
Résumé
Cancer care in low-resource regions is complex, as resources and infrastructure for cancer care and prevention are limited.Mortality rates for breast cancer in particular are higher in regions where treatments are unavailable, unaffordable, or cost ineffective.Clinical breast examination is a reasonable screening approach, although its effects on mortality have not yet been shown.This article recommends focusing on early detection of symptomatic disease (ie, downstaging) and treatment of early detected breast cancers with potentially curative strategies.Case Ms P, a 59-year-old woman who lives in a remote, low-income region, has worried about cancer ever since her mother died from metastatic breast cancer a year ago.As the family's sole income earner, she would not be able to support her children if she developed a serious illness.When visiting Dr A for her child's earache, she tells Dr A that she wishes she could get a mammogram so that any cancer could be detected and treated early.There are only 2 clinics in the country where mammography is available, and Ms P has access to neither without making a long journey that she cannot afford.However, Dr A does have an ultrasound machine.Although ultrasound is generally not accepted as a way to screen for breast cancer, 1 Dr A has experience using ultrasound in a variety of diagnostic and screening contexts, 1 and perhaps using it would ease Ms P's mind.Dr A wonders whether to offer to examine Ms P via ultrasound. CommentaryThe global burden of cancer-including breast cancer-is growing, with lowincome countries (LICs) contributing to the majority of new breast 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 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 | 0,053 | 0,209 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».