Cervical cancer screening pathways in France in 2015–2021, a nationwide study based on medico-administrative data
Notice bibliographique
Résumé
To better document cervical cancer screening (CCS) pathways, the purpose of our study was to examine CCS pathways among women who had undergone a screening test (opportunistic or organised programme), based on real-life data over a 7-year period. This study used data from the French national health care database (SNDS), which covers almost 100 % of the French population of around 66 million inhabitants. Data from 2015 to 2021 were extracted. More than one quarter (27 %) of women who were at least 25 years old in 2015 and up to 65 years old in 2021 were not screened over the 2015-2021 period. Compared to women who had undergone screening at least once, women who were not screened were older (36 % vs. 23 % in the 50-59 years age group in 2015) and lived in the most deprived urban areas (21 % vs 16 % for less and most deprived respectively). 57 % of women underwent screening within recommended intervals, 13 % of women were under-screened, and 30 % were overscreened. Overall, our study identified that, in 2021, women who participated in the French organised screening programme were less likely to be screened within the recommended interval over the 7-year period. These analyses need to be continued over time in order to assess whether the programme helps reintegrate women into the screening process.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».