Comorbidity Profiles and Lung Cancer Screening among Older Adults: U.S. Behavioral Risk Factor Surveillance System 2017–2019
Notice bibliographique
Résumé
Abstract Rationale Although lung cancer screening (LCS) with low-dose computed tomography (LDCT) is now recommended for those meeting standard risk factor–based eligibility criteria, the role of comorbidity in the uptake of LCS with LDCT in an older real-world U.S. population is not well established. Objectives To examine the relationships between comorbidity, functional status, and LCS utilization in the United States. Methods Using population-based data from the 2017–2019 Behavioral Risk Factor Surveillance System, we examined the association of comorbid conditions and functional limitations regarding activities of daily living with LCS utilization among participants that met the LCS criteria based on the U.S. Preventive Service Taskforce guidelines. We employed multivariable weighted logistic regression models to evaluate these associations, both overall and within subgroups defined by age (<65 yr vs. ⩾65 yr), sex, and smoking history. Results Of 11,214 participants who met the eligibility criteria for LCS, 1,731 (16%) underwent LCS with LDCT. The majority were White (90%), male (55%), former smokers (52%), and living with at least one chronic comorbid condition (77%). More than 28% had three or more comorbid conditions, and approximately 40% of participants reported having some form of functional limitations. In the multivariable models, the likelihood of undergoing LCS with LDCT within the past year was positively associated with higher amount of comorbidity (⩾5 vs. 0: adjusted odds ratio, 2.34; 95% confidence interval [CI], 1.22–4.48) but not with functional limitations (⩾3 vs. 0: adjusted odds ratio, 1.00; 95% CI, 0.66–1.50). Conclusions The presence of comorbid conditions is associated with a higher likelihood of undergoing LCS with LDCT. Because poor health status may diminish the benefits of screening, future research is needed to precisely characterize the health status of LCS-eligible individuals.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».