Case-finding options for COPD: results from the Burden of Obstructive Lung Disease Study
Notice bibliographique
Résumé
This study aimed to compare strategies for chronic obstructive pulmonary disease (COPD) case finding using data from the Burden of Obstructive Lung Disease study. Population-based samples of adults aged ≥40 yrs (n = 9,390) from 14 countries completed a questionnaire and spirometry. We compared the screening efficiency of differently staged algorithms that used questionnaire data and/or peak expiratory flow (PEF) data to identify persons at risk for COPD and, hence, needing confirmatory spirometry. Separate algorithms were fitted for moderate/severe COPD and for severe COPD. We estimated the cost of each algorithm in 1,000 people. For moderate/severe COPD, use of questionnaire data alone permitted high sensitivity (97%) but required confirmatory spirometry in 80% of participants. Use of PEF necessitated confirmatory spirometry in only 19-22% of subjects, with 83-84% sensitivity. For severe COPD, use of PEF achieved 91-93% sensitivity, requiring confirmatory spirometry in <9% of participants. Cost analysis suggested that a staged screening algorithm using only PEF initially, followed by confirmatory spirometry as needed, was the most cost-effective case-finding strategy. Our results support the use of PEF as a simple, cost-effective initial screening tool for conducting COPD case-finding in adults aged ≥40 yrs. These findings should be validated in real-world settings such as the primary care environment.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».