MétaCan
Menu
Retour à la cohorte
Enregistrement W2123685758 · doi:10.1148/radiol.12102489

Lung Cancers Diagnosed at Annual CT Screening: Volume Doubling Times

2012· article· en· W2123685758 sur OpenAlexaff
Claudia I. Henschke, David F. Yankelevitz, Rowena Yip, Anthony P. Reeves, Ali Farooqi, Dongming Xu, James P. Smith, Daniel M. Libby, Mark Pasmantier, Olli S. Miettinen

Notice bibliographique

RevueRadiology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésMedicineDoubling timeLungNuclear medicineRadiologyInternal medicineCell

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To empirically address the distribution of the volume doubling time (VDT) of lung cancers diagnosed in repeat annual rounds of computed tomographic (CT) screening in the International Early Lung Cancer Action Program (I-ELCAP), first and foremost with respect to rates of tumor growth but also in terms of cell types. MATERIALS AND METHODS: All CT screenings in I-ELCAP from 1993 to 2009 were performed according to HIPAA-compliant protocols approved by the institutional review boards of the collaborating institutions. All instances of first diagnosis of primary lung cancer after a negative screening result 7-18 months earlier were identified, with symptom-prompted diagnoses included. Lesion diameter was calculated by using the measured length and width of each cancer at the time when the nodule was first identified for further work-up and at the time of the most recent prior screening, 7-18 months earlier. The length and width were measured a second time for each cancer, and the geometric mean of the two calculated diameters was used to calculate the VDT. The χ(2) statistic was used to compare the VDT distributions. RESULTS: The median VDT for 111 cancers was 98 days (interquartile range, 108). For 56 (50%) cancers it was less than 100 days, and for three (3%) cancers it was more than 400 days. Adenocarcinoma was the most frequent cell type (50%), followed by squamous cell carcinoma (19%), small cell carcinoma (19%), and others (12%). Lung cancers manifesting as subsolid nodules had significantly longer VDTs than those manifesting as solid nodules (P < .0001). CONCLUSION: Lung cancers diagnosed in annual repeat rounds of CT screening, as manifest by the VDT and cell-type distributions, are similar to those diagnosed in the absence of screening.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,295
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations205
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207