MétaCan
Menu
Retour à la cohorte
Enregistrement W4282932099 · doi:10.1093/jncics/pkac033

Racial and Ethnic Disparities in Lung Cancer Screening by the 2021 USPSTF Guidelines Versus Risk-Based Criteria: The Multiethnic Cohort Study

2022· article· en· W4282932099 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJNCI Cancer Spectrum · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensBrock University
Organismes subventionnairesNational Cancer InstitutePharmacyclicsMinisterio de Economía y CompetitividadCancer Research UKClovis OncologyDaiichi Sankyo EuropeEuropean CommissionExelixisNational Institutes of HealthHelsinnEli Lilly and CompanyAstraZenecaCelgeneUniversität ZürichPfizer
Mots-clésMedicineEthnic groupCohortLung cancerFamily medicineDemographyGerontologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In 2021, the US Preventive Services Task Force (USPSTF) revised its lung cancer screening guidelines to expand screening eligibility. We evaluated screening sensitivities and racial and ethnic disparities under the 2021 USPSTF criteria vs alternative risk-based criteria in a racially and ethnically diverse population. METHODS: In the Multiethnic Cohort, we evaluated the proportion of ever-smoking lung cancer cases eligible for screening (ie, screening sensitivity) under the 2021 USPSTF criteria and under risk-based criteria through the PLCOm2012 model (6-year risk ≥1.51%). We also calculated the screening disparity (ie, absolute sensitivity difference) for each of 4 racial or ethnic groups (African American, Japanese American, Latino, Native Hawaiian) vs White cases. RESULTS: Among 5900 lung cancer cases, 43.3% were screen eligible under the 2021 USPSTF criteria. Screening sensitivities varied by race and ethnicity, with Native Hawaiian (56.7%) and White (49.6%) cases attaining the highest sensitivities and Latino (37.3%), African American (38.4%), and Japanese American (40.0%) cases attaining the lowest. Latino cases had the greatest screening disparity vs White cases at 12.4%, followed by African American (11.2%) and Japanese American (9.6%) cases. Under risk-based screening, the overall screening sensitivity increased to 75.7%, and all racial and ethnic groups had increased sensitivities (54.5%-91.9%). Whereas the screening disparity decreased to 5.1% for African American cases, it increased to 28.6% for Latino cases and 12.8% for Japanese American cases. CONCLUSIONS: In the Multiethnic Cohort, racial and ethnic disparities decreased but persisted under the 2021 USPSTF lung cancer screening guidelines. Risk-based screening through PLCOm2012 may increase screening sensitivities and help to reduce disparities in some, but not all, racial and ethnic groups. Further optimization of risk-based screening strategies across diverse populations is needed.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,085
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,045
Tête enseignante GPT0,396
Écart entre enseignants0,351 · 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