The impact of the COVID-19 pandemic on melanoma diagnosis: a systematic review and meta-analysis of global evidence
Notice bibliographique
Résumé
Abstract Introduction The COVID-19 pandemic significantly disrupted healthcare systems worldwide. Prioritizing emergency responses resulted in the postponement of routine medical care, including melanoma diagnoses. We performed a systematic review and meta-analysis to quantify the pandemic’s effect on diagnosis rates, Breslow thickness, stage at presentation, ulceration, histologic subtypes, and patient age. Method We performed a systematic review and meta-analysis following PRISMA guidelines. PubMed, Scopus, Web of Science, and Embase were searched up to 10 September 2024 for observational studies comparing melanoma outcomes in the pre-COVID era (before March 2020) with the COVID era (March 2020 onwards). Two reviewers independently screened records, extracted data on diagnostic counts, patient age, Breslow thickness, ulceration, and histopathological subtype, and assessed study quality using the Newcastle–Ottawa Scale (NOS). Random-effects models pooled rate ratios (RRs) or odds ratios (ORs); fixed-effects models pooled mean differences (MDs). Heterogeneity was evaluated with I², and sensitivity analyses were restricted to high-quality studies (NOS ≥ 7). Results Sixty-two studies (38,676 pre-COVID and 46,846 COVID-era melanomas) met inclusion criteria. New melanoma diagnoses fell by 19% during the pandemic (RR = 0.81, 95% CI 0.75–0.86; I² = 98%). Mean age at diagnosis rose by 0.86 years (95% CI 0.58–1.14; I² = 45%). Tumors were thicker (MD = 0.24 mm, 95% CI 0.02–0.47; I² = 92%) and more frequently ulcerated (OR = 1.29, 95% CI 1.15–1.44; I² = 31%). Nodular melanoma, an aggressive subtype, became more common (OR = 1.34, 95% CI 1.08–1.67; I² = 81%), whereas superficial spreading, acral lentiginous, and lentigo-maligna subtypes showed no significant change. All the key findings persisted in good-quality-only analyses. Conclusion COVID-19-related service disruptions were associated with fewer melanoma diagnoses but a shift toward older patients and biologically adverse tumor features, signaling delayed detection at the population level. Strengthening resilient, rapid-access skin cancer pathways and integrating tele-dermatology with triaged in-person assessment are public-health priorities for future crises. Trial registration PROSPERO registration number CRD42022361569.
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 | 0,022 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,043 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 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 ».