Notice bibliographique
Résumé
Currently in the United States, digital mammography has almost completely replaced film-screen mammography, although it was recognized early that specificity was reduced (the numbers of normal results deemed falsely positive to the test increased) even though the sensitivity of the test was increased (the number of women found positive to the test of those who truly had the disease) (1). However, increased sensitivity in detecting disease is not necessarily accompanied by the benefit sought (ie, reduced numbers of deaths from breast cancer in screened women). Using five mathematical models from the CISNET consortium, Stout et al. in this issue of the Journal address this important issue (2). All of the models used identical data as input. Although the approaches used to model the natural history of breast cancer were different in the four models that attempted this, the fifth model begins at cancer detection and does not explicitly capture natural history. Medians were derived from the results of the different models in making the final estimates. The fact that the conclusions were derived from the application of five models makes them far more robust than if only a single model were used. This is one of the major strengths of the CISNET consortium. However, Supplementary Table 3 in Stout et al. (2) indicates that there was substantial variation in the estimated effect of screening, ranging, for example, from 23% to 56% breast cancer mortality reduction for annual digital mammography screening of women aged 40 to 74 years. It is unfortunate that the authors did not explain why the variation occurred, other than postulating in the Discussion that it may be because of different modeled effects of treatment. If that is so, perhaps the treatment parameters in the models that compute most benefit from screening need to be adjusted because evidence is accruing that advances in treatment have resulted in a negligible effect of screening on breast cancer mortality (3,4).
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 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,013 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,020 |
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 ».