Longitudinal retrospective study of real-world adherence to colorectal cancer screening before and after the COVID-19 pandemic in the USA
Notice bibliographique
Résumé
Introduction: At-home stool tests are an increasingly popular practice for colorectal cancer screening, especially when access to healthcare facilities is challenging. However, there is limited information about whether stool tests provide sufficient coverage when patients must undergo repeat testing. This study evaluates repeat preventative stool tests over 2 year periods in a healthcare system with 51 hospitals and over 1000 clinics across seven western US states, before and after the onset of the COVID-19 pandemic. Methods: We conduct a real-world, observational, retrospective and longitudinal study based on electronic medical records. We measure the rate of repeat screening and mean delay in repeat screening among patients who receive an initial stool test. We estimate the changes in the likelihood of colorectal cancer screening using a Cox proportional hazard model. Results: Our sample included 4 03 085 patients. The share of patients with an initial negative stool test who received a repeat screening ranged from 38% to 49% across different years. Among patients who received a repeat screening, there is a delay of 3 months on average. The volume of stool tests increased during the pandemic: the HR of screening after the onset of the pandemic to that before the pandemic was 1.18 (95% CI (1.15, 1.20), p<0.001). Conclusions: Our findings show that less than 50% of patients received a repeat stool test, creating gaps in their screening coverage. The increase in stool tests during the pandemic is partly due to a substitution away from colonoscopies, underscoring the increasing importance of stool tests in CRC screening. Programmes that aim to increase CRC screening uptake should focus on repeated testing after an initial screening.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».