Incremental Value of Pulmonary Function and Sputum DNA Image Cytometry in Lung Cancer Risk Prediction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lung cancer is the leading cause of cancer death worldwide. Accurate prediction of lung cancer risk is of value for individuals, clinicians, and researchers. The aims of this study were to characterize the associations between pulmonary function and sputum DNA image cytometry (SDIC) and lung cancer, and their contributions to risk prediction. During 1990 to 2007, 2,596 high-risk individuals were enrolled and followed prospectively for development of lung cancer (n = 139; median follow-up 7.7 years) in trials at the British Columbia Cancer Agency. At baseline, an epidemiologic questionnaire was administered, sputum was collected for aneuploidy measurement and spirometry was obtained. Multivariable logistic models were prepared including known lung cancer predictors (model 1), that additionally included percent-expected-forced expiratory volume in 1 second [forced expiratory volume in 1 second (FEV(1)%), model 2], and that additionally included SDIC (model 3). Prediction was assessed by evaluating discrimination (receiver operator characteristic area under the curve (ROC AUC)) and calibration. Net reclassification indices (NRI) were calculated with cutoff points for 8-year risks identifying low, intermediate, and high risk at 1.5% and 3%. Lung cancer risk increased with decline in FEV(1)%, but did so more for men than for women (interaction P < 0.001). SDIC demonstrated a dose-response with lung cancer (P = 0.022). The ROC AUCs for models 1, 2, and 3 were 0.718 (95% CI: 0.671-0.765), 0.767 (95% CI: 0.725-0.809), and 0.773 (95% CI: 0.732-0.815), respectively. Model 2 versus 1 had a NRI of 12.6% (P < 0.0001) and model 3 versus 2 had a NRI of 3.1% (P = 0.059). Spirometry and SDIC data substantially and minimally improved lung cancer prediction, respectively.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 découle