Lung Cancer Risk Prediction Nomogram in Nonsmoking Chinese Women: Retrospective Cross-sectional Cohort Study
Notice bibliographique
Résumé
BACKGROUND: It is believed that smoking is not the cause of approximately 53% of lung cancers diagnosed in women globally. OBJECTIVE: The study aimed to develop and validate a simple and noninvasive model that could assess and stratify lung cancer risk in nonsmoking Chinese women. METHODS: Based on the population-based Cancer Screening Program in Urban China, this retrospective, cross-sectional cohort study was carried out with a vast population base and an immense number of participants. The training set and the validation set were both constructed using a random distribution of the data. Following the identification of associated risk factors by multivariable Cox regression analysis, a predictive nomogram was developed. Discrimination (area under the curve) and calibration were further performed to assess the validation of risk prediction nomogram in the training set, which was then validated in the validation set. RESULTS: In sum, 151,834 individuals signed up to take part in the survey. Both the training set (n=75,917) and the validation set (n=75,917) were comprised of randomly selected participants. Potential predictors for lung cancer included age, history of chronic respiratory disease, first-degree family history of lung cancer, menopause, and history of benign breast disease. We displayed 1-year, 3-year, and 5-year lung cancer risk-predicting nomograms using these 5 factors. In the training set, the 1-year, 3-year, and 5-year lung cancer risk areas under the curve were 0.762, 0.718, and 0.703, respectively. In the validation set, the model showed a moderate predictive discrimination. CONCLUSIONS: We designed and validated a simple and noninvasive lung cancer risk model for nonsmoking women. This model can be applied to identify and triage people at high risk for developing lung cancers among nonsmoking women.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».