Deaths averted: An unbiased alternative to rate ratios for measuring the performance of cancer screening programs
Notice bibliographique
Résumé
INTRODUCTION: Screening trials and meta-analyses emphasize the ratio of cancer death rates in screening and control arms. However, this measure is diluted by the inclusion of deaths from cancers that only became detectable after the end of active screening. METHODS: We review traditional analysis of cancer screening trials and show that ratio estimates are inevitably biased to the null, because follow-up (FU) must continue beyond the end of the screening period and thus includes cases only becoming detectable after screening ends. But because such cases are expected to occur in equal numbers in the two arms, calculation of the difference between the number of cancer deaths in the screening and control arms avoids this dilutional bias. This difference can be set against the number of invitations to screening; we illustrate by reanalyzing data from all trials of tomography screening of lung cancer (LC) using this measure. RESULTS: In nine trials of LC screening from 2000 to 2013, a total of 94,441 high-risk patients were invited to be in screening or control groups, with high participation rates (average 95%). In the older trials comparing computed tomography to chest X-ray, 88,285 invitations averted 83 deaths (1068 per death averted (DA)). In the six more recent trials with no screening in the control group, 69,976 invitations averted 121 deaths (577 invitations per DA). DISCUSSION: Screens per DA is an undiluted measure of screening's effect and it is unperturbed by the arbitrary duration of FU. This estimate can be useful for program planning and informed consent.
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 | 0,217 | 0,493 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,013 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».