Disparity in Lung Cancer Screening Among Smokers and Nonsmokers in China: Prospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Low-dose computed tomography (LDCT) screening is effective in reducing lung cancer mortality in smokers; however, the evidence in nonsmokers is scarce. OBJECTIVE: This study aimed to evaluate the participant rate and effectiveness of one-off LDCT screening for lung cancer among smokers and nonsmokers. METHODS: A population-based prospective cohort study was performed to enroll participants aged between 40 and 74 years from 2013 to 2019 from 4 cities in Zhejiang Province, China. Participants who were evaluated as having a high risk of lung cancer from an established risk score model were recommended to undergo LDCT screening. Follow-up outcomes were retrieved on June 30, 2020. The uptake rate of LDCT screening for evaluated high-risk participants and the detection rate of early-stage lung cancer (stage 0-I) were calculated. The lung cancer incidence, lung cancer mortality, and all-cause mortality were compared between the screened and nonscreened groups. RESULTS: At baseline, 62.56% (18,818/30,079) of smokers and 6% (5483/91,455) of nonsmokers were identified as high risk (P<.001), of whom 41.9% (7885/18,818) and 66.31% (3636/5483) underwent LDCT screening (P<.001), respectively. After a median follow-up of 5.1 years, 1100 lung cancer cases and 456 all-cause death cases (116 lung cancer death cases) were traced. The proportion of early-stage lung cancer among smokers was 60.3% (173/287), which was lower than the proportion of 80.3% (476/593) among nonsmokers (P<.001). Among smokers, a higher proportion was found in the screened group (72/106, 67.9%) than the nonscreened group (56/114, 49.1%; P=.005), whereas no significance was found (42/44, 96% vs 10/12, 83%; P=.20) among nonsmokers. Compared with participants who were not screened, LDCT screening in smokers significantly increased lung cancer incidence (hazard ratio [HR] 1.39, 95% CI 1.09-1.76; P=.007) but reduced lung cancer mortality (HR 0.52, 95% CI 0.28-0.96; P=.04) and all-cause mortality (HR 0.47, 95% CI 0.32-0.69; P<.001). Among nonsmokers, no significant results were found for lung cancer incidence (P=.06), all-cause mortality (P=.89), and lung cancer mortality (P=.17). CONCLUSIONS: LDCT screening effectively reduces lung cancer and all-cause mortality among high-risk smokers. Further efforts to define high-risk populations and explore adequate lung cancer screening modalities for nonsmokers are 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.
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».