Diagnostic utility of alarm features for colorectal cancer: systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: Colorectal cancer is the second most common cause of cancer death in Europe and North America. Alarm features are used to prioritize access to urgent investigation, but there is little information concerning their utility in the diagnosis of colorectal cancer. METHODS: A systematic review and meta-analysis of the published literature was carried out to assess the diagnostic accuracy of alarm features in predicting colorectal cancer. Primary or secondary care-based studies in unselected cohorts of adult patients with lower gastrointestinal symptoms were identified by searching MEDLINE, EMBASE and CINAHL (up to October 2007). The main outcome measures were accuracy of alarm features or statistical models in predicting the presence of colorectal cancer after investigation. Data were pooled to estimate sensitivity, specificity, and positive and negative likelihood ratios. The quality of the included studies was assessed according to predefined criteria. RESULTS: Of 11 169 studies identified, 205 were retrieved for evaluation. Fifteen studies were eligible for inclusion, evaluating 19 443 patients, with a pooled prevalence of colorectal carcinoma of 6% (95% CI 5% to 8%). Pooled sensitivity of alarm features was poor (5% to 64%) but specificity was >95% for dark red rectal bleeding and abdominal mass, suggesting that the presence of either rules the diagnosis of colorectal cancer in. Statistical models had a sensitivity of 90%, but poor specificity. CONCLUSIONS: Most alarm features had poor sensitivity and specificity for the diagnosis of colorectal carcinoma, whilst statistical models performed better in terms of sensitivity. Future studies should examine the utility of dark red rectal bleeding and abdominal mass, and concentrate on maximising specificity when validating statistical models.
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 | 0,022 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,036 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».