Assessing the Impact of Incidental Findings in a Lung Cancer Screening Study by Using Low-dose Computed Tomography
Notice bibliographique
Résumé
PURPOSE: To assess the prevalence and nature of incidental findings (IF) seen in low-dose computed tomographies (LDCT) from a lung cancer screening study for at-risk individuals. MATERIALS AND METHODS: Radiology reports from LDCTs of 4073 participants of a lung cancer screening study were retrospectively reviewed for findings other than lung nodules, that is, IFs, which were regarded as actionable. The frequency, nature, and expected cost of these IFs, and their anticipated follow-up were estimated. RESULTS: There were 880 IFs described in 782 study participants (19%); the median age of the participants was 62 years (range, 46-80 years). More IFs were found in men (55%) than in women. The majority of these findings were noncardiovascular (76%), for which imaging was suggested for 74%. There were 7 severe IFs (0.8%) that merited immediate attention. Seven known cancers were diagnosed from follow-ups of the IFs. The majority of IFs (n = 486 [55%]) would require imaging follow-up if clinically indicated, with an estimated total a cost of CAN$45,500 to CAN$51,000 to provide initial diagnostic workup. CONCLUSION: IFs on lung cancer screening studies are not uncommon and frequently require imaging or other follow-up for definitive diagnoses and to assess their clinical relevance. The implication of IFs has to be considered when determining a cost-effective and ethical protocol for the utilisation of LDCT in a high-risk population.
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 | 0,009 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 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 ».