MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399882482 · doi:10.3390/curroncol31060261

Health Economic Evaluation of Lung Cancer Screening Using a Diagnostic Blood Test: The Early Detection of Cancer of the Lung Scotland (ECLS)

2024· article· en· W4399882482 sur OpenAlexaffvenue
José Antonio Robles‐Zurita, Nicola McMeekin, Frank Sullivan, Frances S Mair, Andrew Briggs

Notice bibliographique

RevueCurrent Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineLung cancerCancerLungTest (biology)Blood testLung cancer screeningDiagnostic testPathologyIntensive care medicineOncologyInternal medicinePediatrics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: -Lung Test (ECLS) with subsequent X-ray and low-dose chest CT scans (LDCT) for patients with a positive test result, compared to both usual care and LDCT screening for the target population. METHODS: We conducted a model-based lifetime analysis from a UK NHS and personal social services perspective. We estimated incremental net monetary benefit (NMB) for the ECLS intervention compared to no screening and to LDCT screening. RESULTS: The incremental NMB of ECLS intervention compared to no screening was GBP 33,179 (95% CI: -GBP 81,396, GBP 147,180) and GBP 140,609 (95% CI: -GBP 36,255, GBP 316,612), respectively, for a cost-effectiveness threshold of GBP 20,000 and GBP 30,000 per quality-adjusted life year. The same figures compared with LDCT screening were GBP 162,095 (95% CI: GBP 52,698, GBP 271,735) and GBP 52,185 (95% CI: -GBP 115,152, GBP 219,711). CONCLUSIONS: The ECLS intervention is the most cost-effective screening alternative, with the highest probability of being cost-effective, when compared to no screening or LDCT screening. This result may change with modifications of the parameters, suggesting that the three alternatives considered in the main analysis are potentially cost-effective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,005
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,464
Écart entre enseignants0,374 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetLung Cancer Diagnosis and Treatment→Travaux en français237 207→