Evaluation of breast cancer screening programmes: Candidate performance indicators and their association with breast cancer mortality
Notice bibliographique
Résumé
AIM: Evaluation of a breast cancer (BC) screening programme is necessary to ensure its quality. Performance measurements might be prioritized considering the association with outcomes related to BC mortality. We piloted an approach to explore the association of selected performance measurements with incidence-based BC mortality (IBM). METHODS: We performed an ecological analysis of aggregated data from regional or national population-based cancer registries and BC screening programmes in Europe, using 13 performance indicators. We built a panel data (longitudinal cross-sectional) regression model to estimate the association between screening performance measurements and IBM rates. RESULTS: We included data of 9 programmes and registries from Italy, Spain, Norway, Ireland and the Czech Republic. The number of screening years included in the dataset ranged from 5 to 20 years. In adjusted panel analyses, higher screening coverage, breast cancer detection rates (BCDR prevalent and subsequent rounds), node-negative proportion, and episode sensitivity were associated with lower incidence-based mortality (IBM), whereas a higher interval cancer rate was associated with higher IBM. The association for recall rate in subsequent examinations was small and imprecise. CONCLUSION: Our pilot approach suggests association of several performance indicators with IBM. These indicators were related to the implementation of the screening programme (screening coverage), sensitivity (BC detection rate), and efficiency (recall rate). Further studies with larger datasets and individual data may confirm these findings.
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 | 0,002 | 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 ».