MétaCan
Menu
Retour à la cohorte
Enregistrement W4281714680 · doi:10.1200/jco.2022.40.16_suppl.10015

Benefits, harms, and burden of colorectal cancer screening among childhood cancer survivors previously treated with abdominal-pelvic radiation.

2022· article· en· W4281714680 sur OpenAlexaff
Jennifer M. Yeh, Claudia L. Seguin, Jillian Whitton, Wendy M. Leisenring, Gregory T. Armstrong, Tara O. Henderson, Melissa M. Hudson, Paul C. Nathan, Joseph Philip Neglia, Kevin C. Oeffinger, Lisa Diller, Amy B. Knudsen

Notice bibliographique

RevueJournal of Clinical Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensHospital for Sick Children
Organismes subventionnairesNational Institutes of HealthAmerican Cancer Society
Mots-clésMedicineColonoscopyColorectal cancerCancerCohortPopulationCumulative incidenceIncidence (geometry)Internal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

10015 Background: Survivors of childhood cancer treated with abdominal-pelvic radiation are at increased risk for colorectal cancer (CRC). The Children’s Oncology Group recommends early initiation of CRC screening at age 30, yet the benefits and burden are unknown. Methods: We used incidence and mortality data from the Childhood Cancer Survivor Study to modify the SimCRC model from the Cancer Intervention and Surveillance Modeling Network (CISNET) to reflect high CRC and competing mortality risks among survivors, assuming the elevated cancer risk arises from higher adenoma onset. Strategies evaluated varied by modality (no screening, colonoscopy, multitarget stool DNA [mtsDNA] testing, fecal immunochemical testing [FIT]), screening start age (25, 30, 35, 40, 45) and screening interval (every 3, 5 or 10 yrs for colonoscopy; every 1, 2 or 3 yrs for mtsDNA and FIT). Abnormal stool test results were followed up with colonoscopy. Screening performance and complication rates were based on published studies. Analyses assumed full uptake and adherence to all screening and follow-up procedures. To identify the optimal strategy for each modality, we estimated the number of colonoscopies required per additional life-year gained and compared it to benchmarks for screening strategies recommended by the US Preventive Services Task Force for average-risk individuals. Results: Among a simulated cohort of 20-yr-old 5-yr survivors with a history of abdominal-pelvic radiation, the cumulative CRC risk at age 50 was 0.8%, approximately twice that predicted among general population average-risk individuals (0.4%). In the absence of screening, 73 per 1000 survivors would be diagnosed with CRC in their lifetime and 29 would die from the disease. All screening strategies evaluated were estimated to yield substantial reductions in the lifetime number of CRC cases (45-71 cases averted per 1000) and deaths (23-28 deaths averted per 1000). The estimated lifetime number of colonoscopies ranged from 1781 to 14,625 per 1000. The lifetime number of colonoscopy complications was relatively low at 9 to 20 per 1000. Based on the burden-to-benefit ratios, colonoscopy every 10 yrs starting at age 30, mtsDNA every 3 yrs starting at age 30, or FIT every 3 yrs starting at age 25 were the optimal screening strategies identified (Table). Conclusions: Early initiation of screening may substantially reduce CRC mortality among high-risk childhood cancer survivors. These estimates of the balance of screening benefits and burden can inform follow-up care guidelines. [Table: see text]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,368
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207