MétaCan
Menu
Retour à la cohorte
Enregistrement W4287506845

Pigmented Lesion Assay for Suspected Melanoma Lesions: A Health Technology Assessment.

2021· article· en· W4287506845 sur OpenAlexaboutno aff

Notice bibliographique

RevuePubMed · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCutaneous Melanoma Detection and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrading (engineering)MedicineBiopsyMelanomaLesionSkin cancerDermatologyCancerRadiologySurgeryInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Early detection of melanoma is key, as survival rates are substantially better when the cancer is detected in its early stages. Currently, the standard of care is to biopsy any lesion suspected of melanoma for diagnostic confirmation by histopathology. As a result, most people who undergo biopsy receive negative melanoma results. If effective, a non-invasive alternative, such as pigmented lesion assay, could minimize the number of unnecessary biopsies performed. We conducted a health technology assessment of pigmented lesion assay for people with suspected melanoma lesions, which included an evaluation of diagnostic accuracy, clinical utility, the budget impact of publicly funding pigmented lesion assay, and the preferences and values of people who have undergone biopsy for suspected melanoma. METHODS: We performed a systematic literature search of the clinical evidence. We assessed the risk of bias of each included study using the Quality Assessment of Diagnostic Accuracy Studies-2 (QUADAS-2) and the Risk of Bias Assessment Tool for Non-randomized Studies (RoBANS). We assessed the quality of the body of evidence according to the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) Working Group criteria. We performed a systematic literature search of the economic evidence. We also analyzed the budget impact of publicly funding pigmented lesion assay in adults with suspected melanoma in Ontario. To contextualize the potential value of pigmented lesion assay, we spoke with people who had undergone skin biopsy for melanoma. We also used the qualitative research synthesis from a report by the Canadian Agency for Drugs and Technologies in Health to provide context for the preferences and values of those with suspected melanoma. RESULTS: We included seven studies in the clinical evidence review. Pigmented lesion assay has a sensitivity of 79% (95% confidence interval [CI] 58%-93%) and a specificity of 80% (95% CI 73%-85%; GRADE: Low). We found one published cost-effectiveness study with potentially serious limitations. Therefore, the cost-effectiveness of pigmented lesion assay compared with the standard care pathway is currently uncertain. Assuming a very low uptake, we estimated that the budget impact of publicly funding pigmented lesion assay in Ontario over the next 5 years is about $3.44 million if the test is used exclusively by primary care providers, or about $2.56 million if it is used exclusively by specialists. The people with whom we spoke who had experienced biopsy for suspected melanoma responded positively to the potential benefits of pigmented lesion assay, emphasizing its ease-of-use, potential increase in early detection of melanoma, and reduction in physical and emotional burden of unnecessary biopsies. Participants also felt that the accuracy of this tool was essential to ensure minimal false negatives. CONCLUSIONS: There is uncertainty because of the low-quality evidence for the diagnostic accuracy of pigmented lesion assay. The cost-effectiveness of pigmented lesion assay compared with standard care is also uncertain. We estimated that publicly funding pigmented lesion assay in Ontario over the next 5 years would result in additional costs of $3.44 million (if used exclusively by primary care providers) or $2.56 million (if used exclusively by specialists). For people who had experienced biopsy for suspected melanoma, it was felt that pigmented lesion assay could represent an effective tool to increase early detection and avoid unnecessary biopsies, if the tool was accurate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,181
score de la tête « metaresearch » (Gemma)0,443
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,197
Score d'incertitude au seuil0,957

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1810,443
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,012
Bibliométrie0,0240,021
Études des sciences et des technologies0,0020,003
Communication savante0,0080,006
Science ouverte0,0050,006
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,040
Tête enseignante GPT0,309
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetCutaneous Melanoma Detection and ManagementTravaux en français237 207