Lung cancer screening—contemporary issues: a narrative review
Notice bibliographique
Résumé
Background and Objective: Randomized clinical trials and meta-analyses have firmly established low-dose computed tomography (LDCT) screening is an effective intervention to reduce lung cancer mortality. The purpose of this review is to address the contemporary issues relevant to health professionals and policymakers regarding lung cancer screening and the optimal approach to integrating smoking cessation with screening. Methods: A narrative review was conducted based on evidence in the literature from PubMed, Cochrane Library, and Web of Science using the keywords related to lung cancer screening. Key Content and Findings: There is a risk threshold below which there is no mortality reduction benefits from LDCT screening. An accurate lung cancer risk prediction tool such as the PLCOm2012 is more cost-effective and has significantly higher sensitivity and positive predictive value for identifying individuals who will be diagnosed with lung cancer compares to age and pack-years criteria. Screening of light and never smokers in the general population who do not currently qualify for LDCT screening will require development of an accurate risk assessment tool that includes other important risk factors such as cumulative ambient air pollution exposures. The use of geospatial mapping tools that take into account screening, diagnostic work-up and treatment resource capacities, disparity in access by social-economically deprived and underserved populations to guide screening program improvement need to be evaluated. An accurate, personalized screening LDCT management protocol is key to minimize potential harms from radiation exposure due to unnecessary imaging studies, and adverse events from biopsy or surgery for benign disease. Artificial intelligence (AI)/deep learning tools incorporating time-dependent changes in smoking behavior, age and CT findings are promising approaches to tailor individual screening intervals or diagnostic work-up referral. Improvement in the smoking cessation rate in a screening population who are older and nicotine dependent requires wider use of pharmacotherapy in addition to counselling. Primary care providers play an important role in providing smoking cessation pharmacotherapy and management of additional findings. Conclusions: Tremendous progress has been made in lung cancer screening. Additional studies to optimize screening eligibility criteria, overcome barriers to screening uptake, and personalized screening protocol can further improve the benefits/harms trade-offs.
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 | 0,006 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».