Prioritisation of colonoscopy services in colorectal cancer screening programmes to minimise impact of COVID-19 pandemic on predicted cancer burden: A comparative modelling study
Notice bibliographique
Résumé
OBJECTIVES: Colorectal cancer (CRC) screening with a faecal immunochemical test (FIT) has been disrupted in many countries during the COVID-19 pandemic. Performing catch-up of missed screens while maintaining regular screening services requires additional colonoscopy capacity that may not be available. This study aimed to compare strategies that clear the screening backlog using limited colonoscopy resources. METHODS: A range of strategies were simulated using four country-specific CRC natural-history models: Adenoma and Serrated pathway to Colorectal CAncer (ASCCA) and MIcrosimulation SCreening ANalysis for CRC (MISCAN-Colon) (both in the Netherlands), Policy1-Bowel (Australia) and OncoSim (Canada). Strategies assumed a 3-month screening disruption with varying recovery period lengths (6, 12, and 24 months) and varying FIT thresholds for diagnostic colonoscopy. Increasing the FIT threshold reduces the number of referrals to diagnostic colonoscopy. Outcomes for each strategy were colonoscopy demand and excess CRC-related deaths due to the disruption. RESULTS: Performing catch-up using the regular FIT threshold in 6, 12 and 24 months could prevent most excess CRC-related deaths, but required 50%, 25% and 12.5% additional colonoscopy demand, respectively. Without exceeding usual colonoscopy demand, up to 60% of excess CRC-related deaths can be prevented by increasing the FIT threshold for 12 or 24 months. Large increases in FIT threshold could lead to additional deaths rather than preventing them. CONCLUSIONS: Clearing the screening backlog in 24 months could avert most excess CRC-related deaths due to a 3-month disruption but would require a small increase in colonoscopy demand. Increasing the FIT threshold slightly over 24 months could ease the pressure on colonoscopy resources.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,006 | 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 ».