From randomized trials to the clinic: is it time to implement individual lung-cancer screening in clinical practice? A multidisciplinary statement from French experts on behalf of the french intergroup (IFCT) and the groupe d'Oncologie de langue française (GOLF)
Notice bibliographique
Résumé
BACKGROUND: Despite advances in cancer therapy, mortality is still high except in early-stage tumors, and screening remains a challenge. The randomized National Lung Screening Trial (NLST), comparing annual low-dose computed tomography (LDCT) and chest X-rays, revealed a 20% decrease in lung-cancer-specific mortality. These results raised numerous questions. The French intergroup for thoracic oncology and the French-speaking oncology group convened an expert group to provide a coherent outlook on screening modalities in France. METHODS: A literature review was carried out and transmitted to the expert group, which was divided into three workshops to tackle specific questions, with responses presented in a plenary session. A writing committee drafted this article. RESULTS: The multidisciplinary group favored individual screening in France, when carried out as outlined in this article and after informing subjects of the benefits and risks. The target population involves subjects aged 55-74 years, who are smokers or have a 30 pack-year smoking history. Subjects should be informed about the benefits of quitting. Screening should involve LDCT scanning with specific modalities. Criteria for CT positivity and management algorithms for positive examinations are given. CONCLUSIONS: Individual screening requires rigorous assessment and precise research in order to potentially develop a lung-cancer screening policy.
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 | 0,729 | 0,772 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,017 | 0,013 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,013 |
| Communication savante | 0,031 | 0,026 |
| Science ouverte | 0,015 | 0,012 |
| Intégrité de la recherche | 0,064 | 0,045 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».