Notice bibliographique
Résumé
Cervical cancer remains a concern worldwide, and cervical cancer screening plays an important role in reducing the burden of this disease. Although cytology is still the main strategy for cervical cancer screening, it has gradually changed to human papillomavirus testing. The specificity of human papillomavirus testing is lower than that of cytology, which leads to an increased rate of colposcopy after positive results. To decrease colposcopic examinations, an efficient triage method is needed for human papillomavirus screening. New biomarkers have been developed and evaluated for primary screening and triage of abnormal cytology or human papillomavirus-positive results. Their sensitivity and specificity were estimated and compared with those of cytology. In the present study, the following new techniques were examined: p16/Ki67 dual staining, DNA methylation, micro-ribonucleic acid, chromosomal abnormalities, Claudins and DNA ploidy. Evaluation studies of p16/Ki67 dual staining and DNA methylation were more advanced than those of other options. When p16/Ki67 dual staining was used for triage for human papillomavirus testing, the sensitivity of 2 or greater cervical intraepithelial neoplasia (CIN2+) detection was higher than that of cytology without decreased specificity. Although there are several types of DNA methylation, sensitivity and specificity were moderate for detecting CIN2+. S5 classifier is a commercialized product that consists of viral methylation, and high sensitivity with decreased specificity has been reported. Considering its combination with self-sampling, DNA methylation is a highly anticipated technique along with human papillomavirus testing for the next generation of cervical cancer screening. However, the backgrounds for cervical cancer screening differ among countries and further study is needed to identify the best available method.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,012 |
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 ».