In France, guidelines for cervical cancer screening recommend that women between the ages of 25–65 have a smear test performed once every three years. However, some women are screened significantly more frequently. In this study, we used a data-driven approach as opposed to a traditional hypothesis-driven approach to characterise the population of women who are screened more frequently than advised.

Data came from an organised cervical cancer screening programme of a French department in the Alps (Isère). We retrospectively selected women aged between 25 to 65 years old who had at least two smear tests during the follow up period (2011–2015). We used a data-driven clustering approach to compare the population of over-screened women with other populations. We then performed a descriptive analysis of the over-screened population using univariate (Chi² test) and multivariate (logistic regression) methods.

A total of 10,000 patients were randomly chosen from a population of 54,073. In our univariate analysis, women in the over-screened population were significantly younger, participated less in organised screening, were more likely to be followed by a gynaecologist and had more smear test results showing inflammation than the other populations. Patient location (urban v.s. rural area) was not significant for this population. The multivariate analysis confirmed these results.

This data-driven approach based on an unsupervised learning method enables us to more accurately characterise the over-screened population. These data invite to improve communication with the youngest women and the gynecologists to recall the benefit of an interval between two normal smears complying with the recommendations. This approach could help to improve the prevention and have a real impact on this Public Health issue.

En France, on recommande à toutes les femmes âgées de 25 à 65 ans de pratiquer un dépistage du cancer du col de l’utérus par la réalisation d’un frottis au moins tous les trois ans. Cependant, certaines femmes ont recours au dépistage plus fréquemment. Dans cette étude, nous avons utilisé une approche automatique guidée par les données ( data-driven ) sans hypothèse issue de la science des données pour définir, puis caractériser la population de femmes qui sont dépistées plus fréquemment que recommandé.

Les données sont issues du programme de dépistage organisé du cancer du col du département de l’Isère. Nous avons rétrospectivement sélectionné les femmes âgées de 25 à 65 ans qui ont eu au moins deux frottis de dépistage au cours de la période de suivi (2011–2015). Nous avons utilisé une méthode de partitionnement automatique des données pour comparer la population de femmes surdépistées avec les autres populations. Nous avons ensuite réalisé une analyse descriptive de la population surdépistée en utilisant des méthodes univariée (test du χ²) et multivariée (régression logistique).

À partir d’une population de 54 073 femmes, 10 000 patientes ont été aléatoirement échantillonnées. Dans notre analyse univariée, les femmes de la population surdépistée étaient significativement plus jeunes, faisaient moins partie des femmes ayant été invitées au dépistage organisé lors du frottis initial, étaient plus susceptibles d’être suivies par un gynécologue et avaient plus souvent un résultat de frottis inflammatoire que dans les autres populations. La localisation géographique de la patiente (zone urbaine ou rurale) n’était pas significative pour cette population. L’analyse multivariée a confirmé ces résultats.

Cette approche guidée par les données basée sur une méthode d’apprentissage non supervisée nous permet de caractériser plus précisément la population surdépistée. Ces données invitent à mieux communiquer en direction des femmes les plus jeunes et des médecins gynécologues pour rappeler l’intérêt d’un espacement conforme aux recommandations entre deux frottis normaux. Cette approche pourrait aider à améliorer la prévention et avoir un réel impact sur ce problème de santé publique.