Assessing the usefulness of three adjunctive diagnostic devices for oral cancer screening: a probabilistic approach
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Visually distinguishing oral cancer from noncancerous oral lesions is problematic. Currently, commercial diagnostic devices are being marketed to dentists as effective screening devices to use in general practice. The purpose of this study is to evaluate the probabilistic performance of VELscope®, Oral CDx® and toluidine blue staining as clinical adjunctive diagnostic procedures in routine screening for oral cancer in dental practice. MATERIALS AND METHODS: Sensitivity and specificity information for each device was taken from the literature. The positive predictive value (PPV) and false positive rate, based on three clinical screening scenario, were calculated using Bayes' Theorem. RESULTS: Under three clinical scenarios (screening the general population, screening only adults (≥40 years) and screening adults (≥40 years) that present with intra-oral visible lesions), VELscope produced the highest PPV's of 1.27%, 2.53% and 8.11%, respectively. This indicates a false positive rate of between 91.89% and 98.73%. CONCLUSION: VELscope, OralCDx and toluidine blue staining have high false positive rates when they are used to screen routinely for oral cancer. It would be inefficient to allocate scarce healthcare resources to the routine use of these devices for oral cancer screening. These devices may be beneficial in opportunistic screening programmes or in cancer referral clinics when the pretest probability of oral cancer is likely to be above 10%. Further research is needed to determine at which pretest probabilities these adjunctive diagnostic devices would be cost-beneficial for the screening of oral cancer.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».