A rapid review of COVID-19’s global impact on breast cancer screening participation rates and volumes from January to December 2020
Notice bibliographique
Résumé
COVID-19 has strained population breast mammography screening programs that aim to diagnose and treat breast cancers earlier. As the pandemic has affected countries differently, we aimed to quantify changes in breast screening volume and uptake during the first year of COVID-19 . We systematically searched Medline, the World Health Organization (WHO) COVID-19 database, and governmental databases. Studies covering January 2020 to March 2022 were included. We extracted and analyzed data regarding study methodology, screening volume, and uptake. To assess for risk of bias, we used the Joanna Briggs Institute (JBI) Critical Appraisal Tool. Twenty-six cross-sectional descriptive studies (focusing on 13 countries/nations) were included out of 935 independent records. Reductions in screening volume and uptake rates were observed among eight countries. Changes in screening participation volume in five nations with national population-based screening ranged from -13 to -31%. Among two countries with limited population-based programs, the decline ranged from -61 to -41%. Within the USA, population participation volumes varied ranging from +18 to -39%, with suggestion of differences by insurance status (HMO, Medicare, and low-income programs). Almost all studies had high risk of bias due to insufficient statistical analysis and confounding factors. The extent of COVID-19-induced reduction in breast screening participation volume differed by region and data suggested potential differences by healthcare setting (e.g., national health insurance vs. private healthcare). Recovery efforts should monitor access to screening and early diagnosis to determine whether prevention services need strengthening to increase the coverage of disadvantaged groups and reduce disparities.
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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».