MétaCan
Menu
Retour à la cohorte
Enregistrement W4224939061 · doi:10.1136/bmjopen-2021-054501

Effectiveness of interventions for improving timely diagnosis of breast and cervical cancers in low-income and middle-income countries: a systematic review

2022· review· en· W4224939061 sur OpenAlexaff
Chukwudi A Nnaji, Paul Kuodi, Fiona M Walter, Jennifer Moodley

Notice bibliographique

RevueBMJ Open · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensWomen's Health Research Institute
Organismes subventionnairesMedical Research CouncilUniversity of Cape TownCancer Association of South AfricaNewton FundCancer Research UKNational Department of HealthGlaxoSmithKline
Mots-clésMedicineLow and middle income countriesPsychological interventionBreast cancerCervical cancerLow incomeEpidemiologyFamily medicineDeveloping countryGynecologyEnvironmental healthIntensive care medicinePathologyNursingCancerInternal medicineEconomic growthSocioeconomics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To systematically synthesise available evidence on the nature and effectiveness of interventions for improving timely diagnosis of breast and cervical cancers in low and middle-income countries (LMICs). DESIGN: A systematic review of published evidence. The review was conducted and reported in accordance with the Preferred Reporting Items for Systematic Review and Meta-Analyses. DATA SOURCES: A comprehensive search of published literature was conducted. In addition, relevant grey literature sources and bibliographical references of included studies were searched for potentially eligible evidence. STUDY SELECTION: Studies published between January 2010 and November 2020 were eligible for inclusion. To be eligible, studies had to report on interventions/strategies targeted at women, the general public or healthcare workers, aimed at improving the timely diagnosis of breast and/or cervical cancers in LMIC settings. DATA EXTRACTION AND SYNTHESIS: Literature search, screening, study selection, data extraction and quality appraisal were conducted by two independent reviewers. Evidence was synthesised and reported using a global taxonomy framework for early cancer diagnosis. RESULTS: From the total of 10 593 records identified, 21 studies conducted across 20 LMICs were included in this review. Most of the included studies (16/21) focused primarily on interventions addressing breast cancers; two focused on cervical cancer while the rest examined multiple cancer types. Reported interventions targeted healthcare workers (12); women and adolescent girls (7) and both women and healthcare workers (3). Eight studies reported on interventions addressing access delays; seven focused on interventions addressing diagnostic delays; two reported on interventions targeted at addressing both access and diagnostic delays, and four studies assessed interventions addressing access, diagnostic and treatment delays. While most interventions were demonstrated to be feasible and effective, many of the reported outcome measures are of limited clinical relevance to diagnostic timeliness. CONCLUSIONS: Though limited, evidence suggests that interventions aimed at addressing barriers to timely diagnosis of breast and cervical cancer are feasible in resource-limited contexts. Future interventions need to address clinically relevant measures to better assess efficacy of interventions. PROSPERO REGISTRATION NUMBER: CRD42020177232.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,903

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,162
Tête enseignante GPT0,462
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207