The Colorectal cancer RISk Prediction (CRISP) trial: a randomised controlled trial of a decision support tool for risk-stratified colorectal cancer screening
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background A risk-stratified approach to colorectal cancer (CRC) screening could result in a more acceptable balance of benefits and harms, and be more cost-effective. Aim To determine the effect of a consultation in general practice using a computerised risk assessment and decision support tool (Colorectal cancer RISk Prediction, CRISP) on risk-appropriate CRC screening. Design and setting Randomised controlled trial in 10 general practices in Melbourne, Australia, from May 2017 to May 2018. Method Participants were recruited from a consecutive sample of patients aged 50–74 years attending their GP. Intervention consultations included CRC risk assessment using the CRISP tool and discussion of CRC screening recommendations. Control group consultations focused on lifestyle CRC risk factors. The primary outcome was risk-appropriate CRC screening at 12 months. Results A total of 734 participants (65.1% of eligible patients) were randomised (369 intervention, 365 control); the primary outcome was determined for 722 (362 intervention, 360 control). There was a 6.5% absolute increase (95% confidence interval [CI] = −0.28 to 13.2) in risk-appropriate screening in the intervention compared with the control group (71.5% versus 65.0%; odds ratio [OR] 1.36, 95% CI = 0.99 to 1.86, P = 0.057). In those due CRC screening during follow-up, there was a 20.3% (95% CI = 10.3 to 30.4) increase (intervention 59.8% versus control 38.9%; OR 2.31, 95% CI = 1.51 to 3.53, P <0.001) principally by increasing faecal occult blood testing in those at average risk. Conclusion A risk assessment and decision support tool increases risk-appropriate CRC screening in those due screening. The CRISP intervention could commence in people in their fifth decade to ensure people start CRC screening at the optimal age with the most cost-effective test.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle