Poor predictive value of lower gastrointestinal alarm features in the diagnosis of colorectal cancer in 1981 patients in secondary care
Notice bibliographique
Résumé
BACKGROUND: Clinicians are advised to refer patients with lower gastrointestinal (GI) alarm features for urgent colonoscopy to exclude colorectal cancer (CRC). However, the utility of alarm features is debated. AIM: To assess whether performance of alarm features is improved by using a symptom frequency threshold to trigger referral, or by combining them into composite variables, including minimum age thresholds, as recommended by the National Institute for Health and Care Excellence (NICE). METHODS: We collected data prospectively from 1981 consecutive adults with lower GI symptoms. Assessors were blinded to symptom status. The reference standard to define CRC was histopathological confirmation of adenocarcinoma in biopsy specimens from a malignant-looking colorectal lesion. Controls were patients without CRC. Sensitivity, specificity, positive predictive values (PPVs) and negative predictive values were calculated for individual alarm features, as well as combinations of these. RESULTS: In identifying 47 (2.4%) patients with CRC, individual alarm features had sensitivities ranging from 11.1% (family history of CRC) to 66.0% (loose stools), and specificities from 30.5% (loose stools) to 75.6% (family history of CRC). Using higher symptom frequency thresholds improved specificity, but to the detriment of sensitivity. NICE referral criteria also had higher specificities and lower sensitivity, with PPVs above 4.8%. More than 80% of those with CRC met at least one of the NICE referral criteria. CONCLUSIONS: Using higher symptom frequency thresholds for alarm features improved specificity, but sensitivity was low. NICE referral criteria had PPVs above 4.8%, but sensitivities ranged from 2.2% to 32.6%, meaning many cancers would be missed.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».