Lung Cancer Screening
Notice bibliographique
Résumé
Thoracic computed tomography (CT) is a sensitive method for detecting early lung cancer but has a high false-positive rate and is not sensitive for detecting central preinvasive and microinvasive cancer. Our hypothesis was that automated quantitative image cytometry (AQC) of sputum cells as the first screening method may improve detection rate by identifying individuals at highest risk for lung cancer. A total of 561 volunteer current or former smokers 50 years of age or older, with a smoking history of more than or equal to 30 pack/years, were studied. Among these, 423 were found to have sputum atypia defined as five cells or more with abnormal DNA content using AQC. Noncalcified pulmonary nodules were found in 46% (259/561). Of the 14 detected cancers, 13 were detected in subjects with sputum atypia-nine by CT and four carcinoma in situ/microinvasive cancers by autofluorescence bronchoscopy. One cancer was detected by CT alone. AQC of sputum cells improved the detection rate of lung cancer from 1.8 to 3.1%. CT scan alone would have missed 29% of the cancers. This screening paradigm shift has the additional potential of reducing the number of initial CT scans by at least 25% with further savings in follow-up investigations and treatment.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».