Prevalence and management of pulmonary nodules: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Pulmonary nodules are small, focal lesions often identified via computed tomography (CT) scans. Although the majority are benign, a small percentage of them may be malignant or potentially become malignant, underscoring the importance of early detection and effective management. This study systematically reviews the epidemiology, risk factors, and management strategies for pulmonary nodules, comparing findings across Chinese and non-Chinese populations to better inform the actuarial calculations for predicting the demand of medical services for patients with pulmonary nodules. Methods: We performed a systematic analysis of the PubMed and China Knowledge Infrastructure (CNKI) databases for studies reporting the detection rate of pulmonary nodules through CT scans. Both cross-sectional studies and the baseline data from longitudinal studies were included. A modified version of the Newcastle-Ottawa Scale was used to assess the risk of bias and random effect models were used to estimate the overall prevalence. Results: We identified 32 studies and included 24 of them in our meta-analysis. Pooled analysis showed that the overall prevalence of pulmonary nodules was 0.27 (95% confidence interval: 0.25-0.29) after outliers removal. Subgroup analysis showed that there was no significant difference for prevalence between Chinese and non-Chinese populations. Males (0.38) were shown to have slightly higher prevalence compared to females (0.36), but not significant (P=0.88). Age and smoking are the most frequently reported risk factors by studies. Conclusions: Overall, 27% of participants were positive for pulmonary nodules. Advancing age and smoking were consistently identified as a key risk factor for the incidence of pulmonary nodules. Although the management strategies are different across studies, recent guidelines recommend personalized management strategies, prioritizing nodule size, characteristics, and individual risk factors to optimize outcomes.
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 | 0,010 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,031 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».