Assessment of HPV screening modalities within primary care: a systematic review
Notice bibliographique
Résumé
Introduction: Most cervical cancer precancerous lesions are associated with high-risk human papillomavirus (HPV) subtypes. Early detection through screening is crucial for preventing and managing HPV-related diseases. HPV Self-sample screening is a proposed method that can mitigate socioeconomic disparities, reduce embarrassment and costs of screening. This can possibly reduce the overall disease burden. Methods: A search strategy was conducted across multiple databases, including PubMed, Cochrane Library, Scopus, and Embase. Data extraction was performed using a standardized form to collect detailed information on study characteristics, participant demographics, and various outcomes. The quality and risk of bias in the articles were assessed using the Critical Appraisal skills programme (CASP) checklist, and the Cochrane Risk of Bias (ROB) tool. Results: Our review consistently found that HPV self-sampling is comparable to clinician-collected samples in terms of HPV detection rates and sensitivity, supporting the idea that HPV self-sampling can be a viable alternative for cervical cancer screening. Across the studies, self-sampling showed comparable or greater effectiveness to clinician-collected samples in detecting HPV in individuals. Specificity was comparable between both methods, with clinician-collected sampling slightly outperforming HPV self-sampling in some cases. Moreover when analyzing the negative predictive value (NPV) and positive predictive value (PPV) across the studies, it was evident that there was little difference between clinician-collected sampling and HPV self-sampling. 64.3% favored self-sampling over clinician-collected sampling due to increased comfort and privacy. Overall, the evidence suggests that self-sampling is an effective, patient-preferred, and cost-efficient alternative to clinician-collected sampling, particularly in under-screened populations.
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 | 0,012 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».