Evaluating the impact of the COVID-19 pandemic on cancer screening in a central Canadian province
Notice bibliographique
Résumé
We evaluated the impact of COVID-19 on cancer screening in Manitoba, Canada using an interrupted time series (ITS) design and data from Manitoba's population-based, organized cancer screening programs from April 2020 to August 2021. In June 2020 (breast screening was suspended during April and May 2020), there was a 54% decrease between the predicted (i.e., observed data produced from regression models) and expected (i.e., counterfactual values produced for the COVID-19 period by assuming COVID-19 did not occur) number of screening mammograms (ratio = 0.46, 95% Confidence Interval (CI) 0.28-0.64). By December 2020, there was no significant difference between predicted and expected number of screening mammograms (ratio = 0.95, 95% CI 0.80-1.10). In April 2020, there was an 83% decrease in the number of Pap tests (ratio = 0.17, 95% CI 0.04-0.30). By January 2021, there was no significant difference between predicted and expected number of Pap tests (ratio = 0.93, 95% CI 0.81-1.06). In April 2020, there was an 81% decrease in the number of screening program fecal occult blood tests (FOBTs) (ratio = 0.19, 95% CI 0.0-0.44). By September 2020, there was no significant difference between predicted and expected number of FOBTs (ratio = 0.95, 95% CI 0.65-1.24). The estimated cumulative deficit (i.e., backlog) from April 2020 to August 2021 was 17,370 screening mammograms, 22,086 Pap tests, and 5253 screening program FOBTs. Overall, screening programs adapted quickly to the COVID-19 pandemic. Additional strategies may be needed to address remaining backlogs.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».