Role of medico-administrative database in the selection of the target population in colorectal cancer screening program
Notice bibliographique
Résumé
Background: Colorectal cancer (CRC) screening in average-risk populations requires filtering a target population based on medical information in population-based CRC screening programs (CRCSP). This study describes the level of consensus in medical exclusion practice and the role of the medico-administrative databases (MADB) in accurately targeting the eligible individuals for CRCSP screening campaigns. Design: The descriptive study combined a cross-sectional survey and a non-systematic literature review. Methods: A cross-sectional survey was conducted among CRCSPs worldwide. Information was collected on the use of MADB for identifying consensus-based exclusion criteria (applied by >50% of CRCSPs). When a MADB was used, the study assessed whether the definition (code lists, medical terminologies) of the exclusion criteria was available. These definitions were compared between programs to evaluate the degree of consensus. Results: In all, 20 out of the 31 CRCSPs (Australia, England, Manitoba, Ontario, Washington State, 26 European countries) participating in the survey implemented medical exclusions. Five consensus-based exclusion criteria were identified (personal history of CRC, inflammatory bowel disease, adenoma, recent colonoscopy, genetic risk). However, these criteria were not uniformly defined in MADBs (i.e., CRC phenotype includes ICD-10 codes C18-C21 in Catalonia, while the C21 code was excluded elsewhere). Furthermore, although the MADBs exist and contain relevant information, they remain inaccessible to screening management structures in some countries (e.g., in France). Conclusion: The number of consensus-based criteria was limited, and they were the least nuanced, likely because they are easier to collect using the current CRCSPs management resources. These consensual criteria can be queried in most MADBs. However, the use of MADBs was not standardized across programs for various reasons (absence of a database, unavailability of information in the database when it exists, inaccessibility of the database when it exists), limiting comparability between them. Standardizing the five consensus criteria across all programs would only be effective if the disparity caused by systemic failures in the organization of each program was controlled.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».