Examining breast cancer screening recommendations in Canada: The projected resource impact of screening among women aged 40–49
Notice bibliographique
Résumé
OBJECTIVE: To quantify the resource use of revising breast cancer screening guidelines to include average-risk women aged 40-49 years across Canada from 2024 to 2043 using a validated microsimulation model. SETTING: OncoSim-Breast microsimulation platform was used to simulate the entire Canadian population in 2015-2051. METHODS: We compared resource use between current screening guidelines (biennial screening ages 50-74) and alternate screening scenarios, which included annual and biennial screening for ages 40-49 and ages 45-49, followed by biennial screening ages 50-74. We estimated absolute and relative differences in number of screens, abnormal screening recalls without cancer, total and negative biopsies, screen-detected cancers, stage of diagnosis, and breast cancer deaths averted. RESULTS: Compared with current guidelines in Canada, the most intensive screening scenario (annual screening ages 40-49) would result in 13.3% increases in the number of screens and abnormal screening recalls without cancer whereas the least intensive scenario (biennial screening ages 45-49) would result in a 3.4% increase in number of screens and 3.8% increase in number of abnormal screening recalls without cancer. More intensive screening would be associated with fewer stage II, III, and IV diagnoses, and more breast cancer deaths averted. CONCLUSIONS: Revising breast cancer screening in Canada to include average-risk women aged 40-49 would detect cancers earlier leading to fewer breast cancer deaths. To realize this potential clinical benefit, a considerable increase in screening resources would be required in terms of number of screens and screen follow-ups. Further economic analyses are required to fully understand cost and budget implications.
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 | 0,005 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».