Benefits, harms and cost-effectiveness of cervical screening, triage and treatment strategies for women in the general population
Notice bibliographique
Résumé
In 2020, the World Health Organization (WHO) launched a strategy to eliminate cervical cancer as a public health problem. To support the strategy, the WHO published updated cervical screening guidelines in 2021. To inform this update, we used an established modeling platform, Policy1-Cervix, to evaluate the impact of seven primary screening scenarios across 78 low- and lower-middle-income countries (LMICs) for the general population of women. Assuming 70% coverage, we found that primary human papillomavirus (HPV) screening approaches were the most effective and cost-effective, reducing cervical cancer age-standardized mortality rates by 63-67% when offered every 5 years. Strategies involving triaging women before treatment (with 16/18 genotyping, cytology, visual inspection with acetic acid (VIA) or colposcopy) had close-to-similar effectiveness to HPV screening without triage and fewer pre-cancer treatments. Screening with VIA or cytology every 3 years was less effective and less cost-effective than HPV screening every 5 years. Furthermore, VIA generated more than double the number of pre-cancer treatments compared to HPV. In conclusion, primary HPV screening is the most effective, cost-effective and efficient cervical screening option in LMICs. These findings have directly informed WHO's updated cervical screening guidelines for the general population of women, which recommend primary HPV screening in a screen-and-treat or screen-triage-and-treat approach, starting from age 30 years with screening every 5 years or 10 years.
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 | 0,008 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 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 ».