The effect of healthcare disruptions during the <scp>COVID</scp> ‐19 pandemic on colposcopy services and practice: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract Introduction The healthcare reorganization during the COVID‐19 pandemic affected colposcopy services and cervical cancer prevention, particularly in those countries where healthcare systems were already under‐resourced. This review aimed to quantify the reduction in colposcopy services across countries during the COVID‐19 pandemic and to determine whether the data source per study and cervical cancer screening coverage per country influenced the extent of these reductions. Material and Methods Studies reporting comparative data on colposcopy services between the COVID‐19 pre‐pandemic and pandemic period were included. MEDLINE, Embase, EMCare, Covid‐19 Research, British Nursing Index, APA PsycINFO, and Allied and Complimentary Medicine databases were searched for studies published from March 2020 to December 2023. The Newcastle−Ottawa scale was used for risk of bias assessment. The number of colposcopies, cervical treatments, pre‐invasive lesions diagnoses, and cervical cancer diagnoses per month were compared between the pre‐pandemic (before March 2020) and pandemic period (after March 2020). The effect measure was the standardized mean difference. Heterogeneity was evaluated with the chi‐squared test and quantified with the I 2 method. A meta‐regression was performed, considering the data source (regional/national databases/registries or institutional databases) and the screening coverage according to World Health Organization data (≥70% or <70%) as moderators. The review was registered on PROSPERO (CRD42023447188). Results Thirteen studies were included. Twelve were of good/high quality according to the Newcastle−Ottawa scale. The standardized mean difference between the pre‐pandemic and pandemic periods was −1.60 (95% CI −2.49 to −0.72, p = 0.004) for colposcopies (4 studies, I 2 = 60.97%, p = 0.075), −1.70 (95% CI −2.50 to −0.90, p < 0.001) for cervical treatments (5 studies, I 2 = 52.92%, p = 0.081), −4.61 (95% CI ‐7.90 to −1.33, p = 0.006) for pre‐invasive lesion diagnoses (4 studies, I 2 = 92.45%, p < 0.001), and −0.85 (95% CI −1.52 to −0.19, p = 0.012) for cervical cancer diagnoses (9 studies, I 2 = 71.07%, p = 0.002). At meta‐regression, further reductions for cervical treatments and pre‐invasive lesion diagnoses were observed in the case of screening coverage <70%. Conclusions During the COVID‐19 pandemic, a reduction in colposcopies, cervical treatments, pre‐invasive lesions diagnoses, and invasive cancer diagnoses was observed. Since a screening coverage of <70% heightened these declines, increasing such coverage could lead to better resilience of cervical cancer prevention services to future crises.
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 | 0,014 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,035 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».