Selecting lung cancer screenees using risk prediction models—where do we go from here
Notice bibliographique
Résumé
The National Lung Screening Trial (NLST) demonstrated that low dose computed tomography (LDCT) screening could reduce lung cancer mortality by 20% in high-risk individuals. The United States Preventive Services Task Force (USPSTF) and Centers for Medicare and Medicaid Services (CMS) approved lung cancer screening. The NLST, USPSTF and CMS define high risk as smoking ≥30 pack-years, smoking within the past 15 years, and being ages 55-74, 55-80 or 55-77. Retrospective studies demonstrated selection using model-estimated risk is superior to NLST-like criteria: higher sensitivity and positive predictive value (PPV), more deaths averted and higher cost-effectiveness. Projects are underway that may additionally support use of risk to determine eligibility. Firstly, the International Lung Screen Trial (ILST) is prospectively enrolling 4,000 individuals for screening if individuals have PLCOm2012 model risk ≥1.5% or are USPSTF+ve. Six-year follow-up will allow comparisons. Interim results support the risk approach. Secondly, Cancer Care Ontario started the Lung Cancer Screening Pilot for People at High Risk in order to find optimal design for province-wide programmatic screening. They are enrolling 3,000 individuals to screening based on PLCOm2012 risk ≥2%. Some hesitation to recommend screening selection based on model risk comes from the observation that selected individuals are older, have more comorbidities, are expected to have fewer life years and quality-adjusted life years (QALY) and are more likely to die from competing causes. We show that 25.6% of NLST eligible smokers are at low risk (6-year lung cancer incidence proportion =0.008). This group will not benefit from screening but has lower age, fewer comorbidities and fewer competing causes of death. When they are excluded from the NLST+ve group, age, comorbidity count and competing causes of death are similar to those in the PLCOm2012+ve group. In some jurisdictions, model-based lung cancer screening selection needs to take into consideration the elevated risk in blacks and indigenous peoples.
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 | 0,031 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,009 |
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 ».