Exploring opportunistic salpingectomy as a preventive strategy for ovarian cancer: uptake in Newfoundland and Labrador, Canada
Notice bibliographique
Résumé
Ovarian cancer (OC), the fifth deadliest cancer for women, had an estimated 3,100 cases in Canada in 2023, with a 66% mortality rate and approximately 1,950 projected deaths. High-grade serous carcinoma (HGSC), comprising 75% of OC cases, presents challenges in screening and early detection. Advances in understanding the origins of HGSC led to the identification of serous tubal intraepithelial carcinomas (STICs) in the fallopian tubes, introducing opportunistic salpingectomy (OS) as a preventative measure. The feasibility, safety, cost-effectiveness, and efficacy of OS have been investigated in multiple studies. A narrative review was conducted to address all these elements by assessing the effect of OS on surgical and post-surgical complications and on ovarian reserve. Overall, the addition of OS to hysterectomy or instead of tubal ligation appears to be safe and feasible. Available retrospective studies demonstrated that OS reduces the risk of OC in the general population by 35% to 65%. Due to the novelty of this approach, our understanding of the uptake of OS is limited in different clinical settings. The second manuscript presented in this thesis is a quantitative retrospective study that assessed the uptake of OS in Newfoundland and Labrador (NL) between 2010 and 2019. All patients who underwent any or any combination of hysterectomy, salpingectomy, oophorectomy, or tubal ligation were included in the analysis. The number of cases with gynecological cancers following the surgery was also reported for each group. Over the study period, the uptake of OS at the time of hysterectomy and as an alternative to tubal ligation increased by 10.3-fold and 28.1- fold, respectively. However, despite this upward trend, there is still room to enhance its adoption in NL, Canada.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».