Recomendaciones de prevención del cáncer. Actualización 2016
Bibliographic record
Abstract
En este artículo presentamos una nueva actualización de las recomendaciones sobre prevención y cribados del cáncer del Grupo de Prevención del Cáncer del Programa de Prevención y Promoción de la Salud (PAPPS) de la Sociedad Española de Medicina Familiar y Comunitaria (semFYC). Para la síntesis de la evidencia y la formulación de las recomendaciones hemos utilizado el sistema GRADE (Grading of Recommendations Assessment, Development and Evaluation).\n\t\t\t\t GRADE define la fuerza de una recomendación en términos de la confianza que tenemos en que los desenlaces deseados de una intervención (p. ej., los beneficios) sean superiores a los indeseados (p. ej., los inconvenientes y los efectos adversos). En una recomendación a favor, los efectos deseados de una intervención frente a otra superan a los no deseados. En una recomendación en contra, los efectos no deseados superan a los efectos deseados. Ambas recomendaciones pueden ser a su vez fuertes, cuando podemos confiar en que habrá un balance favorable entre efectos deseados y no deseados de una intervención frente a otra, o, por el contrario, débiles, si hay incertidumbre sobre ese balance.\n\t\t\t\t Para elaborar las recomendaciones se ha tenido en cuenta la calidad de la evidencia científica, el balance entre beneficios y riesgos, el riesgo basal, los valores y preferencias de las personas y los costes. Las recomendaciones se han valorado desde la perspectiva individual y poblacional. Las personas deben estar informadas de los beneficios y riesgos del cribado. Los valores y preferencias personales son clave a la hora de tomar una decisión: algunas personas le darán mucho valor a los posibles beneficios (p. ej., reducción de la mortalidad), pero otras querrán evitar los riesgos del sobrediagnóstico y sobretratamiento y los posibles perjuicios sobre su calidad de vida.\n\t\t\t\t Las recomendaciones propuestas tienen como referencia las revisiones de la US Preventive Services Task Force (USPSTF) y la Canadian Task Force (CTF) instituciones de referencia en la elaboración de recomendaciones de prevención en el contexto de la atención primaria (AP), y el National Institute for Health and Care Excellence (NICE). Las recomendaciones sobre cribados de cáncer de la USPSTF se pueden consultar en el monográfico de 2014. La USPSTF actualmente está revisando las recomendaciones de cáncer de mama, cuello uterino, próstata y cáncer de piel5. Todas estas instituciones siguen o han adaptado la metodología propuesta por GRADE. Asimismo, se ha tenido en cuenta las directrices de la Estrategia de Cáncer del Sistema Nacional de Salud (SNS), actualmente en proceso de revisión.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.025 | 0.096 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.021 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".