A population-based analysis of spirometry use and the prevalence of chronic obstructive pulmonary disease in lung cancer
Notice bibliographique
Résumé
BACKGROUND: Chronic obstructive pulmonary disease (COPD) and lung cancer are associated diseases. COPD is underdiagnosed and thus undertreated, but there is limited data on COPD diagnosis in the setting of lung cancer. We assessed the diagnosis of COPD with lung cancer in a large public healthcare system. METHODS: Anonymous administrative data was acquired from ICES, which links demographics, hospital records, physician billing, and cancer registry data in Ontario, Canada. Individuals age 35 or older with COPD were identified through a validated, ICES-derived cohort and spirometry use was derived from physician billings. Statistical comparisons were made using Wilcoxon rank sum, Cochran-Armitage, and chi-square tests. RESULTS: From 2002 to 2014, 756,786 individuals were diagnosed with COPD, with a 2014 prevalence of 9.3%. Of these, 51.9% never underwent spirometry. During the same period, 105,304 individuals were diagnosed with lung cancer, among whom COPD was previously diagnosed in 34.9%. Having COPD prior to lung cancer was associated with lower income, a rural dwelling, a lower Charlson morbidity score, and less frequent stage IV disease (48 vs 54%, p < 0.001). Spirometry was more commonly undertaken in early stage disease (90.6% in stage I-II vs. 54.4% in stage III-IV). CONCLUSION: Over a third of individuals with lung cancer had a prior diagnosis of COPD. Among individuals with advanced lung cancer, greater use of spirometry and diagnosis of COPD may help to mitigate respiratory symptoms.
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 | 0,002 |
| 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) | 0,001 | 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 ».