Benchmarking lung cancer screening programmes with adaptive screening frequency against the optimal screening schedules derived from the ENGAGE framework: a comparative microsimulation study
Notice bibliographique
Résumé
Background: Lung cancer screening recommendations employ annual frequency for eligible individuals, despite evidence that it may not be universally optimal. The impact of imposing a structure on the screening frequency remains unknown. The ENGAGE framework, a validated framework that offers fully dynamic, analytically optimal, personalised lung cancer screening recommendations, could be used to assess the impact of screening structure on the effectiveness and efficiency of lung cancer screening. Methods: In this comparative microsimulation study, we benchmarked alternative clinically relevant structured lung cancer screening programmes employing a fixed (annual or biennial) or adaptive (start with annual/biennial screening and then switch to biennial/annual at ages 60- or 65-years) screening frequency, against the ENGAGE framework. Individuals were eligible for screening according to the 2021 US Preventive Services Task Force recommendation on lung cancer screening. We assessed programmes' efficiency based on the number of screenings per death avoided (LDCT/DA) and the number of screenings per ever-screened individual (LDCT/ESI), and programmes' effectiveness using quality-adjusted life years (QALY) gained from screening, lung cancer-specific mortality reduction (MR), and number of screen-detected lung cancer cases. We used validated natural history, smoking history generator, and risk prediction models to inform our analysis. Sensitivity analysis of key inputs was conducted. Findings: ENGAGE was the best performing strategy. Among the structured policies, adaptive biennial-to-annual at age 65 was the best strategy requiring 24% less LDCT/DA and 60% less LDCT/ESI compared to TF2021, but yielded 105 more deaths per 100,000 screen-eligible individuals (10.2% vs. 11.8% MR for TF2021, p = 0.28). Fixed annual screening was the most effective strategy but the least efficient and was ranked as the fifth best strategy. All strategies yielded similar QALYs gained. Adherence levels did not affect the rankings. Interpretation: Adaptive lung cancer screening strategies that start with biennial and switch to annual screening at a prespecified age perform well and warrant further consideration, especially in settings with limited availability of CT scanners and radiologists. Funding: National Cancer Institute.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».