Asian Lung Cancer Absolute Risk Models for lung cancer mortality based on China Kadoorie Biobank
Notice bibliographique
Résumé
Abstract Background Lung cancer is the leading cause of cancer mortality globally. Early detection through screening can markedly improve prognosis and prediction models can identify high-risk individuals for risk-based screening. However, most models have been developed in North American cohorts of smokers and much less is known about risk factors for never-smokers, which represent a growing proportion of lung cancers, particularly for Asian populations. Methods Based on the China Kadoorie Biobank, a population-based prospective cohort study of 512,639 adults age 30-79 recruited between 2004-2008 with up to 12 years of follow-up, we built an Asian Lung Cancer Absolute Risk Model (ALARM) for lung cancer mortality using flexible parametric survival models, separately for ever- and never-smokers, accounting for competing risks of all-other-cause mortality. Model performance was evaluated in a 25% hold-out test set using the time-dependent area under the receiver operating characteristic curve (AUC) and by comparing the model-predicted and observed risks for model calibration. Results Predictors assessed in the never-smoker lung cancer mortality model were age, sex, household income, lung function, history of emphysema/bronchitis, family history of cancer, personal cancer history, BMI, passive smoking, and indoor air pollution. The ever-smoker model additionally assessed smoking status (former vs. current), duration, and intensity. The 5-year AUC based on the hold-out test set for the never and ever-smoker models were 0.77 (95% CI: 0.73-0.80) and 0.81 (95% CI: 0.79-0.84), respectively. The maximum 5-year risk for never and ever smokers were 2.6% and 12.7%, respectively. Conclusions This study is among the first to develop and test risk models specifically for Asian populations, separately for never (ALARM-NS) and ever-smokers (ALARM-ES). Our models identify Asian never- and ever-smokers at high-risk of death due to lung cancer with a high degree of accuracy and may identify those with risks exceeding common eligibility thresholds who would likely benefit from lung cancer screening.
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 | 0,011 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».