Implementing Low-Dose Computed Tomography Screening for Lung Cancer in Canada: Implications of Alternative At-Risk Populations, Screening Frequency, and Duration
Notice bibliographique
Résumé
BACKGROUND: Low-dose computed tomography (ldct) screening has been shown to reduce mortality from lung cancer; however, the optimal screening duration and "at risk" population are not known. METHODS: The Cancer Risk Management Model developed by Statistics Canada for the Canadian Partnership Against Cancer includes a lung screening module based on data from the U.S. National Lung Screening Trial (nlst). The base-case scenario reproduces nlst outcomes with high fidelity. The impact in Canada of annual screening on the number of incident cases and life-years gained, with a wider range of age and smoking history eligibility criteria and varied participation rates, was modelled to show the magnitude of clinical benefit nationally and by province. Life-years gained, costs (discounted and undiscounted), and resource requirements were also estimated. RESULTS: In 2014, 1.4 million Canadians were eligible for screening according to nlst criteria. Over 10 years, screening would detect 12,500 more lung cancers than the expected 268,300 and would gain 9200 life-years. The computed tomography imaging requirement of 24,000-30,000 at program initiation would rise to between 87,000 and 113,000 by the 5th year of an annual nlst-like screening program. Costs would increase from approximately $75 million to $128 million at 10 years, and the cumulative cost nationally over 10 years would approach $1 billion, partially offset by a reduction in the costs of managing advanced lung cancer. CONCLUSIONS: Modelling various ways in which ldct might be implemented provides decision-makers with estimates of the effect on clinical benefit and on resource needs that clinical trial results are unable to provide.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».