MétaCan
Menu
← Retour à la cohorte
Enregistrement W2720883134 · doi:10.1186/s12889-017-4439-9

Benefits and harms of prostate cancer screening – predictions of the ONCOTYROL prostate cancer outcome and policy model

2017· article· en· W2720883134 sur OpenAlexaff
Nikolai Mühlberger, Kristijan Boskovic, Murray Krahn, Karen E. Bremner, Willi Oberaigner, Helmut Klocker, Wolfgang Horninger, Gaby Sroczynski, Uwe Siebert

Notice bibliographique

RevueBMC Public Health · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueProstate Cancer Diagnosis and Treatment
Établissements canadiensToronto General HospitalUniversity of Toronto
Organismes subventionnairesStandortagentur TirolBundesministerium für Verkehr, Innovation und TechnologieErasmus Medisch CentrumAustrian Federal Ministry of Economy, Family and Youth
Mots-clésMedicineProstate cancerLife expectancyProstate cancer screeningBiostatisticsCancerQuality of life (healthcare)DemographyGynecologyEpidemiologyInternal medicineEnvironmental healthProstate-specific antigenPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A recent recalibration of the ONCOTYROL Prostate Cancer Outcome and Policy (PCOP) Model, assuming that latent prostate cancer (PCa) detectable at autopsy might be detectable by screening as well, resulted in considerable worsening of the benefit-harm balance of screening. In this study, we used the recalibrated model to assess the effects of familial risk, quality of life (QoL) preferences, age, and active surveillance. METHODS: Men with average and elevated familial PCa risk were simulated in separate models, differing in familial risk parameters. Familial risk was assumed to affect PCa onset and progression simultaneously in the base-case, and separately in scenario analyses. Evaluated screening strategies included one-time screening at different ages, and screening at different intervals and age ranges. Optimal screening strategies were identified depending on age and individual QoL preferences. Strategies were additionally evaluated with active surveillance by biennial re-biopsy delaying treatment of localized cancer until grade progression to Gleason score ≥ 7. RESULTS: Screening men with average PCa risk reduced quality-adjusted life expectancy (QALE) even under favorable assumptions. Men with elevated familial risk, depending on age and disutilities, gained QALE. While for men with familial risk aged 55 and 60 years annual screening to age 69 was the optimal strategy over most disutility ranges, no screening was the preferred option for 65 year-old men with average and above disutilities. Active surveillance greatly reduced overtreatment, but QALE gains by averted adverse events were opposed by losses due to delayed treatment and additional biopsies. The effect of active surveillance on the benefit-harm balance of screening differed between populations, as net losses and gains in QALE predicted for screening without active surveillance in men with average and familial PCa risk, respectively, were both reduced. CONCLUSIONS: Assumptions about PCa risk and screen-detectable prevalence significantly affect the benefit-harm balance of screening. Based on the assumptions of our model, PCa screening should focus on candidates with familial predisposition with consideration of individual QoL preferences and age. Active surveillance may require treatment initiation before Gleason score progression to 7. Alternative active surveillance strategies should be evaluated in further modeling studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,392
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public Health→Même sujetProstate Cancer Diagnosis and Treatment→Travaux en français237 207→