Noteworthy impacts of COVID-19 pandemic on cancer screening: A systematic review
Notice bibliographique
Résumé
The sudden onset of the coronavirus disease 2019 (COVID-19) in January 2020 has affected essential global health services. Cancer-screening services that can reduce cancer mortality are strongly affected. However, the specific role of COVID-19 in cancer screening is not fully understood. This study aimed to assess the efficiency of global cancer screening programs before and during the COVID-19 pandemic and to promote potential cancer-screening strategies for the next pandemic. Electronic searches in PubMed, Embase, and Web of Science, and manual searches were performed between January 1, 2020 and March 1, 2023. Cohort studies that reported the number of participants who underwent cancer screening before and during the COVID-19 pandemic were included. The methodological quality of the included studies was assessed using the Newcastle-Ottawa Scale. Differences in cancer-screening rates were estimated using the incidence rate ratio (IRR). Fifty-five cohort studies were included in this meta-analysis. The screening rates of colorectal cancer using invasive screening methods (Pooled IRR=0.52, 95% CI: 0.42 to 0.65, p<0.01), cervical cancer (Pooled IRR=0.56, 95% CI: 0.47 to 0.67, p<0.01), breast cancer (Pooled IRR=0.57, 95% CI: 0.49 to 0.66, p<0.01) and prostate cancer (Pooled IRR=0.71, 95% CI: 0.56 to 0.90, p<0.01) during the COVID-19 pandemic were significantly lower than those before the COVID-19 pandemic. The screening rates of lung cancer (Pooled IRR=0.77, 95% CI: 0.58 to 1.03, p=0.08) and colorectal cancer using noninvasive screening methods (Pooled IRR=0.74, 95% CI: 0.50 to 1.09, p=0.13) were reduced with no statistical differences. The subgroup analyses revealed that the reduction in cancer-screening rates varied across economies. Our results suggest that the COVID-19 pandemic has had a noteworthy impact on colorectal, cervical, breast, and prostate cancer screening. Developing innovative cancer-screening technologies is important to promote the efficiency of cancer-screening services in the post-COVID-19 era and prepare for the next pandemic.
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 | 0,010 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,014 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».