Vancouver Risk Calculator Compared with ACR Lung-RADS in Predicting Malignancy: Analysis of the National Lung Screening Trial
Notice bibliographique
Résumé
Purpose To compare the Vancouver risk calculator (VRC) with American College of Radiology (ACR) Lung Imaging Reporting and Data System (Lung-RADS) in predicting the risk of malignancy in the National Lung Screening Trial (NLST). Materials and Methods A total of 2813 patients with 4408 nodules (4078 solid, 330 subsolid) were available from the NLST for evaluation. Nodules were scored by using VRC with nine parameters (output was the percentage likelihood of malignancy; VRC threshold for malignancy likelihood set as greater than 5%) and Lung-RADS (output was category 2-4B; malignancy defined as category 4A or 4B; malignancy likelihood greater than 5%). Lung-RADS and VRC were compared for sensitivity, specificity, and accuracy for malignancy on a per-nodule and per-patient basis. Results Of 4408 total nodules, 100 of 4078 (2.5%) solid nodules were malignant and 10 of 330 (3%) subsolid nodules were malignant. On an overall per-nodule basis, the sensitivity, specificity, and accuracy for VRC and Lung-RADS were 93%, 90%, and 90% for VRC and 87%, 83%, and 83% for Lung-RADS, respectively (P = .077, P < .001, and P < .001, respectively). On a per-patient basis, the sensitivity, specificity, and accuracy for VRC and Lung-RADS were 93%, 85%, and 85% for VRC and 87%, 76%, and 76% for Lung-RADS, respectively (P = .077, P < .001, and P < .001, respectively). Conclusion The Vancouver risk calculator had superior overall accuracy than the Lung Imaging Reporting and Data System in predicting malignancy in the National Lung Screening Trial for total nodules, as well as on a per-patient basis. © RSNA, 2019 See also the editorial by Black in this issue.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».