Brief Report: Risk Prediction Model Versus United States Preventive Services Task Force 2020 Draft Lung Cancer Screening Eligibility Criteria—Reducing Race Disparities
Notice bibliographique
Résumé
IntroductionEligibility criteria for lung cancer screening based solely on age and smoking history are less sensitive than validated risk prediction models. The U.S. Preventive Services Task Force (USPSTF) has proposed new guidelines to improve the sensitivity for selecting high-risk individuals and to decrease race disparity. In this retrospective study, termed the Chicago Race Eligibility for Screening Cohort, we compare the sensitivity of the proposed USPSTF2020 criteria versus the PLCOm2012 risk prediction model for selecting a racially diverse lung cancer population with a smoking history for lung cancer screening.MethodsThis Chicago Race Eligibility for Screening Cohort study applies the PLCOm2012 model with a risk threshold of 1.0%/6 years and the USPSTF2020 criteria (age 50–80 y, pack-years ≥ 20 y, quit-years ≤ 15 y) to 883 individuals with a smoking history diagnosed with having lung cancer.ResultsThe PLCOm2012 was more sensitive than the USPSTF2020 overall (79.1% versus 68.6%, p < 0.0001) in White (81.5% versus 75.4%, p = 0.029) and in African American (82.8% versus 70.6% p < 0.0001) individuals. Of the total cohort, 254 (28.8%) would not have qualified owing to less than 20 pack-years, quit-time of more than 15 years, and age less than 50 years. Of these 254 cases, 40% would have qualified by the PLCOm2012 model. For the 20 pack-year criterion, of the 497 African American individuals, 19.3% did not meet this criterion, and of these, an additional 31.3% would have qualified by the PLCOm2012 model (p = 0.002).ConclusionsAlthough more sensitive than USPSTF2013, the proposed USPSTF2020 draft guidelines still have a race disparity in eligibility for screening. This study provides “real world” evidence that use of the PLCOm2012 risk prediction model eliminates this race disparity.
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 | 0,003 | 0,002 |
| 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 | 0,001 |
| 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 ».