MétaCan
Menu
Retour à la cohorte
Enregistrement W2728053401 · doi:10.21037/atm.2017.05.26

Population health’s unanimity on lung cancer screening: far ahead of medical advice

2017· letter· en· W2728053401 sur OpenAlexaboutno aff
Bruce Pyenson, Claudia I. Henschke, David F. Yankelevitz

Notice bibliographique

RevueAnnals of Translational Medicine · 2017
Typeletter
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineLung cancerLung cancer screeningUnanimityCancerPopulationLungIntensive care medicineGynecologyOncologyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

A recent publication found that lung cancer screening of high risk smokers and ex-smokers is cost-effective in Ontario, Canada. The carefully designed modeling by ten Haaf et al. (1) agrees with many recent studies—lung cancer screening saves lives at a reasonable cost. Other studies that were based on either the National Lung Screening Trial (NLST) (2) or the International Early Lung Cancer Action Program (I-ELCAP) (3) results have come to this same conclusion. Of note, ten Haaf presents a scenario (scenario 11) where screening reduces deaths from lung cancer by over 80%, which is consistent with I-ELCAP findings. Several other features of ten Haaf’s work are notable, including his recognition that “false positives” found by lung cancer screening are very rarely harmful, and that improvements in protocols since NLST will likely further improve cost effectiveness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,416
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,450
Écart entre enseignants0,335 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Translational MedicineMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207