MétaCan
Menu
Retour à la cohorte
Enregistrement W2807835500 · doi:10.21037/tlcr.2018.06.03

Selecting lung cancer screenees using risk prediction models—where do we go from here

2018· review· en· W2807835500 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueTranslational Lung Cancer Research · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésMedicineLung cancerNational Lung Screening TrialLung cancer screeningMedicaidInterimRisk assessmentCancerIncidence (geometry)Internal medicineEmergency medicineHealth care

Résumé

récupéré en direct d'OpenAlex

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.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,873
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,166
Tête enseignante GPT0,485
Écart entre enseignants0,319 · 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