Personalized prostate cancer screening accounting for individual risk factors and preferences
Notice bibliographique
Résumé
Background The benefit-harm balance of prostate cancer (PCa) screening is influenced by individual risk factors, preferences, and specifics of the applied screening algorithm. We used the ONCOTYROL Prostate Cancer Outcome and Policy (PCOP) model to identify optimal screening strategies with respect to individual family history, age, disutility weighting, and life-shortening co-morbidity. Methods The PCOP model is a state-transition micro-simulation model simulating the consequences of PCa screening and treatment on duration and quality of life. Evaluated strategies included no screening, one-time screening at different ages, and interval screening at different intervals and age ranges followed by immediate treatment. Sensitivity analyses were used to identify strategies maximizing quality-adjusted life expectancy (QALE) for each combination of individual risk factors and disutility weighting. Screening was also evaluated in combination with biennial active surveillance (AS) delaying treatment of localized cancer until progression to Gleason score ≥ 7. Results In men without elevated familial PCa risk, no screening was the preferred strategy, independent of age, disutility weighting and life-shortening co-morbidity. In contrast, men with elevated familial risk gained QALE depending on their risk and preference constellation. Optimal screening strategies varied as well. AS improved the benefit-harm balance of some screening strategies. However, strategies gaining the most QALE in men with familial risk gained less when combined with AS. Conclusions Based on our model assumptions, PCa screening is beneficial for men with familial predisposition only. However, benefits of screening depend on individual risks and preferences. AS may reduce benefits of screening, when gains by averted overtreatment are outweighed by losses due to delayed treatment. Key messages: PCa screening may be beneficial for men with elevated familial PCa risk, but not for men with average PCa risk Decisions on PCa screening should incorporate individual risks and preferences
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».