Impact of the <scp>COVID</scp> pandemic on melanoma thickness and ulceration: a meta‐analysis
Notice bibliographique
Résumé
The global healthcare sector faced immense challenges due to the COVID-19 pandemic. Oncologists noted reduced cancer screening, which impacted melanoma diagnosis and treatment, leading to concerns about delayed care and poorer outcomes. This review analyzes how the pandemic influenced melanoma ulceration risk and Breslow thickness index through a meta-analysis of published studies. Following PRISMA guidelines, we conducted a systematic review of literature from January 2021 to December 2022 on cutaneous melanoma before and during the COVID-19 pandemic. Upon screening 1854 manuscripts, the review led to 13 studies meeting inclusion standards. The quality assessment followed MINORS and Newcastle-Ottawa Scale criteria. Regarding ulceration, post-COVID ulceration surpassed pre-COVID levels significantly, with a risk ratio of 1.31 and an estimated odds ratio of 1.41, indicating a 44% rise post-COVID. As for Breslow thickness, studies show a rising trend in the Breslow index post-COVID, but less significantly, with an effect size of 0.08 regarding the meta-analysis model (P = 0.02) with a pre-COVID mean Breslow of 1.56 mm and post-COVID of 1.84 mm. This meta-analysis concluded that post-COVID ulceration rates significantly surpassed pre-COVID levels. Considering that ulcerated melanomas usually undergo sentinel lymph node biopsy and are more likely to benefit from adjuvant therapies, this indicates important implications, as many patients might have missed the opportunity to start therapy appropriately, regardless of their Breslow thickness status.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».