Refining Lung Cancer Screening Criteria in the Era of Value-Based Medicine
Notice bibliographique
Résumé
Lung cancer remains the leading cause of cancer mortality worldwide, and while mortality is gradually decreasing in high-income countries for most cancers, lung cancer mortality is not decreasing and is actually increasing in women Moreover, effective treatment for advanced stages of lung cancer remains elusive, suggesting a great need for early detection, if indeed efforts to prevent onset of smoking and rapid cessation fail. In 2011, the National Lung Screening Trial (NLST) demonstrated that screening for lung cancer with three annual chest CT scans in smokers (or those who quit within 15 years) of at least 30 pack years, between 55-74 years old, reduced mortality by 20% compared to a single chest radiograph As important as this finding was, in an era of excessive and rising health care costs, it is necessary to carefully assess cost-effectiveness and refine screening criteria to maximize value. In this issue [3], ten Haaf and colleagues applied microsimulation modeling to 576 different scenarios to determine the population-based cost effectiveness of lung cancer CT screening, using the Canadian health care system threshold ($50,000 Canadian dollars per life-year gained) as a benchmark. The optimal screening scenario thus identified included smokers (or those who quit <10 years prior) with a smoking history of at least 40 pack years to be screened annually from ages 55-75. They estimate that such a screening strategy would reduce mortality 9.05% compared to no screening at an incremental cost-effectiveness ratio of $41,136 Canadian dollars (US$33,825, in 2015) per life-year gained. While they estimate this strategy would not catch as many lung cancers as using the criteria from the NSLT trial would, they predict the optimal strategy would be more cost-effective and would reduce expected false positive screens and lung cancer overdiagnosis compared to the NSLT criteria. The future goal will be to increase efficacy without additional cost.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 tête enseignante, 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 ».