Management of screen-detected lung nodules: A Canadian partnership against cancer guidance document
Notice bibliographique
Résumé
Abstract RATIONALE: Appropriate management of low-dose computed tomography (LDCT) screening detected lung nodules will have significant implications for health care resource utilization and minimizing harm from radiation exposure related to imaging studies, invasive procedures and clinically significant distress. OBJECTIVES We aimed to: provide a practical, evidence-based best practice framework for healthcare professionals (HP) to manage screening LDCT detected lung nodules and identify areas that require future studies. METHODS The Canadian Partnership Against Cancer and Pan-Canadian Lung Cancer Screening Network (PLCSN) undertook a scientific review of the assessment and management of screening LDCT detected lung nodules. Key messages were derived by consensus through a series of stakeholder meetings to obtain full consensus. MAIN RESULTS: 1) A high standard of LDCT image quality is of importance to determine nodule type, size and growth; 2) Personalized approach to manage screen detected lung nodules based on malignancy probability is a promising approach to decrease resource utilization and minimize risk of screening; 3) Radiologist reports should provide specific guidance for expert and non-expert health care providers regarding the most appropriate next step with a separate lay-language report for screenees tailored to the general result category along with a recommended next step; 4) Diagnostic work-up in centers with multidisciplinary specialized expertise in minimally invasive sampling of pulmonary nodules is recommended to achieve the best possible yield and lowest complications rate; and 5) Common quality indicators in lung nodule management protocols across health jurisdictions provide the opportunity to evaluate and refine management protocols.
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 | 0,000 |
| 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 ».