Lung Cancer Screening With Low-Dose CT: A Systematic Review
Notice bibliographique
Résumé
Lung cancer is highly prevalent worldwide and is the leading cause of cancer-related death in Portugal. There is increasing evidence that low-dose computed tomography (LDCT) screening reduces mortality; however, few countries have implemented screening strategies. This review aims to gather the best evidence to assess the relevance of implementing lung cancer screening. A search was conducted for clinical practice guidelines (CPGs), systematic reviews (SRs), and meta-analyses (MAs) published between January 1, 2010, and January 31, 2024, as well as randomized controlled trials (RCTs) published between January 1, 2019, and January 31, 2024, indexed in databases such as the National Guideline Clearinghouse, Cochrane Library, Guideline Finder, Canadian Medical Association, Evidence-Based Medicine Online, Database of Abstracts of Reviews of Effectiveness (DARE), and PubMed. The MeSH terms used were "lung cancer" and "screening". To evaluate the level of evidence (LE) and strength of recommendation (SR) in the included MAs, the Strength of Recommendation Taxonomy (SORT) from the American Academy of Family Physicians was applied. A total of 460 articles were found, with two CPGs, six MAs, two SRs, and one RCT being selected. The CPGs recommend screening with LDCT for smokers with a smoking history of more than 20 pack-years, aged between 50 and 80 years. All MAs show statistically significant evidence of reduced mortality in screened patients, although without a reduction in all-cause mortality. However, there was some heterogeneity regarding the age of the target population and the screening follow-up period. Overdiagnosis rates varied between MAs. The SRs and RCT also demonstrated a reduction in lung cancer mortality, but not in all-cause mortality. LDCT lung cancer screening shows a reduction in disease-related mortality, suggesting that the implementation of organized screening for at-risk populations could have a significant positive impact. Some uncertainties remain regarding the best strategy for implementing organized screening programs.
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 | 0,008 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,005 | 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 ».