Prevalence and determinants of late-stage presentation among cervical cancer patients, a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: An estimated 570,000 women were diagnosed with cervical cancer worldwide, and about 311,000 women died from the disease. Cervical cancer is possibly the most curable human cancer; if detected at the precancerous stage. Additionally, early diagnosis and management other factors are essential to decrease mortality rate among those patients. So this review was aimed to identify the prevalence and determinants of late-stage presentation among cervical cancer patients. METHODS: A systematic search had carried out on PubMed, EMBASE, MEDLINE, Cochrane, Scopus, Web of Science CINAHL, and manually on Google Scholar. This meta-analysis follows the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. The modified Newcastle-Ottawa Scale (NOS) was used to assess the quality of each study. A meta-analysis was done using a random-effects method using the STATA™ Version 14 software. RESULT: Twenty-five studies from 3 world regions with 53,233 participants were enrolled in this meta-analysis. The overall estimated global pooled prevalence of late-stage presentation among cervical cancer patients with a random-effects model was 60.66% (95% CI: 56.27, 65.06). The subgroup analysis revealed that the prevalence of late-stage presentation was 62.60% in Africa, 69.30% in Asia, 46.51% in Europe, and 50.16% in North America. Educational status (p = 0.031) and place of residence (p = 0.004) are determinants of late-stage presentation. CONCLUSION: The results of this meta-analysis indicated that the prevalence of late-stage presentation of cervical cancer is substantially high. Place of residence and educational status were significantly associated with late-stage presentation. Health care organizations should work on early screening, management, and on increasing community awareness to minimize late stage at presentation among those patients.
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 | 0,015 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,047 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 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) | 0,003 | 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 ».