Lung Cancer Absolute Risk Models for Mortality in an Asian Population using the China Kadoorie Biobank
Notice bibliographique
Résumé
BACKGROUND: Lung cancer is the leading cause of cancer mortality globally. Early detection through risk-based screening can markedly improve prognosis. However, most risk models were developed in North American cohorts of smokers, whereas less is known about risk profiles for never-smokers, which represent a growing proportion of lung cancers, particularly in Asian populations. METHODS: Based on the China Kadoorie Biobank, a population-based prospective cohort of 512 639 adults with up to 12 years of follow-up, we built Asian Lung Cancer Absolute Risk Models (ALARM) for lung cancer mortality using flexible parametric survival models, separately for never and ever-smokers, accounting for competing risks of mortality. Model performance was evaluated in a 25% hold-out test set using the time-dependent area under the curve and by comparing model-predicted and observed risks for calibration. RESULTS: Predictors assessed in the never-smoker lung cancer mortality model were demographics, body mass index, lung function, history of emphysema or bronchitis, personal or family history of cancer, passive smoking, and indoor air pollution. The ever-smoker model additionally assessed smoking history. The 5-year areas under the curve in the test set were 0.77 (95% confidence interval = 0.73 to 0.80) and 0.81 (95% confidence interval = 0.79 to 0.84) for ALARM-never-smokers and ALARM-ever smokers, respectively. The maximum 5-year risk for never and ever-smokers was 2.6% and 12.7%, respectively. CONCLUSIONS: This study is among the first to develop risk models specifically for Asian populations separately for never and ever-smokers. Our models accurately identify Asians at high risk of lung cancer death and may identify those with risks exceeding common eligibility thresholds who may benefit from 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 | 0,014 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».