Predictors of Adverse Smoking Outcomes in the Prostate, Lung, Colorectal and Ovarian Cancer Screening Trial
Notice bibliographique
Résumé
BACKGROUND: The impact of lung cancer screening on smoking behavior is unclear. The aims of this ancillary study of the Prostate Lung Colorectal and Ovarian Cancer Screening Trial were to produce risk prediction models to identify individuals at risk of relapse or continued smoking and to evaluate whether cancer-screening variables affect long-term smoking outcomes. METHODS: Participants completed a baseline questionnaire at trial enrollment and a supplemental questionnaire 4-14 years after enrollment, which assessed several cancer-related variables, including family history of cancer, comorbidities, and tobacco use. Multivariable logistic regression models were used to predict smoking status at completion of the supplemental questionnaire. The models' predictive performances were evaluated by assessing discrimination via the receiver operator characteristic area under the curve (ROC AUC) and calibration. Models were internally validated using bootstrap methods. RESULTS: Of the 31 694 former smokers on the baseline questionnaire, 1042 (3.3%) had relapsed (ie, reported being a current smoker on the supplemental questionnaire). Of the 6807 current smokers on the baseline questionnaire, 4439 (65.2%) reported continued smoking on the supplemental questionnaire. Relapse was associated with multiple demographic, medical, and tobacco-related characteristics. This model had a bootstrap median ROC AUC of 0.862 (95% confidence interval [CI] = 0.858 to 0.866) and a calibration slope of 1.004 (95% CI = 0.978 to 1.029), indicating excellent discrimination and calibration. Predictors of continued smoking also included multiple demographic, medical, and tobacco-related characteristics. This model had an ROC AUC of 0.611 (95% CI = 0.605 to 0.614) and a slope of 1.006 (95% CI = 0.962 to 1.041), indicating modest discrimination. Neither the trial arm nor the lung-screening result was statistically significantly associated with smoking outcomes. CONCLUSION: These models, if validated externally, may have public health utility in identifying individuals at risk for adverse smoking outcomes, who may benefit from relapse prevention and smoking cessation interventions.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».