A modelled evaluation of the impact of COVID-19 on breast, bowel, and cervical cancer screening programmes in Australia
Notice bibliographique
Résumé
Australia introduced COVID-19 infection prevention and control measures in early 2020. To help prepare health services, the Australian Government Department of Health commissioned a modelled evaluation of the impact of disruptions to population breast, bowel, and cervical cancer screening programmes on cancer outcomes and cancer services. We used the Policy1 modelling platforms to predict outcomes for potential disruptions to cancer screening participation, covering periods of 3, 6, 9, and 12 mo. We estimated missed screens, clinical outcomes (cancer incidence, tumour staging), and various diagnostic service impacts. We found that a 12-mo screening disruption would reduce breast cancer diagnoses (9.3% population-level reduction over 2020–2021) and colorectal cancer (up to 12.1% reduction over 2020–21), and increase cervical cancer diagnoses (up to 3.6% over 2020–2022), with upstaging expected for these cancer types (2, 1.4, and 6.8% for breast, cervical, and colorectal cancers, respectively). Findings for 6–12-mo disruption scenarios illustrate that maintaining screening participation is critical to preventing an increase in the burden of cancer at a population level. We provide programme-specific insights into which outcomes are expected to change, when changes are likely to become apparent, and likely downstream impacts. This evaluation provided evidence to guide decision-making for screening programmes and emphasises the ongoing benefits of maintaining screening in the face of potential future disruptions.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,007 | 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 ».