Modeling the Balance of Benefits and Harms of Cervical Cancer Screening with Cytology and Human Papillomavirus Testing
Notice bibliographique
Résumé
BACKGROUND: Benefits of screening should outweigh its potential harms. We compared various metrics to assess the balance of benefits and harms of cervical cancer screening. METHODS: We used a cervical cancer natural history Markov model calibrated to the Canadian context to simulate 100,000 unvaccinated women over a lifetime of screening with either cytology every 3 years or human papillomavirus (HPV) testing every 5 years. We estimated the balance of benefits and harms attributable to screening using various metrics, including colposcopies/life-year gained, and net lifetime quality-adjusted life-years (QALY) gained, a measure integrating women's health preferences. We present the average (minimum-maximum) model predictions. RESULTS: Cytology-based screening led to 1,319,854 screening tests, 30,395 colposcopies, 13,504 life-years gained over a lifetime, 98 screening tests/life-year gained, 2.3 (1.6-3.3) colposcopies/life-year gained, and a net lifetime gain of 10,735 QALY (5,040-17,797). HPV-based screening with cytology triage in the same population would lead to 698,250 screening tests, 73,296 colposcopies, 15,066 life-years gained over a lifetime, 46 screening tests/life-year gained, 4.9 colposcopies/life-year gained (2.9-11.1), and a net lifetime gain of 11,690 QALY (4,409-18,742). HPV-based screening was predicted to prevent more cancers, but also incur more screening harms than cytology-based screening. CONCLUSIONS: Metrics using colposcopies as the main harm outcome favored cytology-based screening, whereas metrics based on screening tests and health preferences tended to favor HPV-based screening strategies. IMPACT: Whether HPV-based screening will improve the balance between benefits and harms of cervical cancer screening depends on how the balance between benefits and harms is assessed.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».