Potential Modifiers and Different Cut-offs in Diagnostic Accuracy of Fecal Immunochemical Test in Detecting Advanced Colon Neoplasia: A Diagnostic Test Accuracy Meta-analysis
Notice bibliographique
Résumé
Background: Fecal immunoglobulin test (FIT) has been advocated as the first line of screening for colorectal cancer (CRC) in several jurisdictions. Most studies have focused on CRC as the outcome of interest. Our goal was to quantify the diagnostic accuracy of different thresholds of FIT as compared with colonoscopy for detection of advanced colonic neoplasia and potential modifiers using proper Cochrane methodology. Methods: A comprehensive electronic search was performed for studies on FIT using colonoscopy as the reference standard to detect advanced neoplasia. Cochrane methodology was used to perform a diagnostic test accuracy (DTA) meta-analysis. Diagnostic accuracy of different cut-offs of FIT, including 25, 50, 75, 100, 150, and 200 ng/mL, were calculated separately. Meta-regression analysis was also performed to detect potential a priori modifiers, including age, location of the tumor, and time from FIT to colonoscopy. Results: Twenty-four studies were included with no evidence of publication bias. The sensitivity of FIT did not decrease with lowering the cut-off, although specificity increased in higher cut-offs. Commonly used cut-offs of 50 ng/mL, 75 ng/mL, and 100 ng/mL for FIT provided sensitivity of 39%, 36%, 27% and specificity of 92%, 94%, 96%, respectively. Diagnostic accuracy of FIT did not significantly differ in proximal versus distal lesions or in individuals below or over the age of 50 years. The results remained robust in a meta-regression of the location of the study, time from FIT to colonoscopy, and methodological quality. Conclusion: The sensitivity of FIT might have been overestimated in previous studies focusing on CRC, and it seems to be independent of age, location of neoplasia, or cut-offs, contrary to some previous studies. Lowering the cut-off will reduce the diagnostic odds ratio (DOR) by increasing specificity but without any effect on sensitivity.
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 | 0,030 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,077 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».