MétaCan
Menu
Retour à la cohorte
Enregistrement W4412629029 · doi:10.1001/jamanetworkopen.2025.23044

Computed Tomographic Screening Intervals for Patients at Moderate Risk of Lung Cancer

2025· article· en· W4412629029 sur OpenAlexafffundabout
Koen de Nijs, Harry J. de Koning, Pianpian Cao, Maikol Diasparra, Rochelle Garner, Jihyoun Jeon, Jean Hai Ein Yong, Rafael Meza, Kevin ten Haaf

Notice bibliographique

RevueJAMA Network Open · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensUniversity of British ColumbiaCanadian Partnership Against CancerStatistics Canada
Organismes subventionnairesPartenariat Canadien Contre Le CancerCentre Hospitalier Universitaire VaudoisUniversität ZürichEuropean CommissionNederlandse Organisatie voor Wetenschappelijk OnderzoekNational Cancer InstituteNational Institutes of HealthCancer Research UKCancer AustraliaAstraZeneca
Mots-clésMedicineLung cancer screeningLung cancerCohortRelative riskQuality-adjusted life yearDemographyNational Lung Screening TrialConfidence intervalEpidemiologyCohort studyEnvironmental healthCost effectivenessInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: The US Preventive Services Task Force (USPSTF) recommends annual computed tomographic (CT) screening for individuals aged 50 to 80 years at high risk of lung cancer. Other countries are issuing similar recommendations, with some opting for biennial screening to reduce the burden of screening. However, it is unknown whether benefits of annual screening can be preserved when adapting the interval to age, sex, and smoking history. Objective: To evaluate the health outcomes and costs of adaptive lung cancer screening intervals relative to annual screening. Design, Setting, and Participants: This economic evaluation used comparative modeling methods with 3 models: 2 Cancer Intervention and Surveillance Modeling Network models and the OncoSim model from the Canadian Partnership Against Cancer. Screening of the US 1965 birth cohort with adaptive intervals was evaluated according to age, sex, and smoking exposure. Simulated outcomes are recorded from 2005 to 2065 for subpopulations of 200 000 individuals with smoking history of 10 to less than 20, 20 to less than 30, and 30 or greater pack-years (PY) for each sex. This evaluation was conducted between September 19, 2023, to December 1, 2024. Exposure: Low-dose regular CT screening among those eligible per USPSTF 2021 recommendations. Main Outcomes and Measures: Strategy effectiveness was evaluated as lung cancer deaths prevented and life-years gained relative to annual screening. Screening burden is measured by the number of CT screens. To determine cost-effectiveness, quality-adjusted life-years (QALYs) gained and Surveillance, Epidemiology, and End Results- and Medicare-derived costs of treatment were calculated, as well as CT and follow-up examination costs. A willingness-to-pay (WTP) threshold of $100 000/QALY for cost-effectiveness was assumed. Results: Biennial screening at 50 to 60 years of age, followed by annual screening, reduced CT requirements while preserving most benefits. This strategy preserved 95.9% (intermodel range, 93.5%-97.5%) of lung cancer deaths prevented, compared with annual screening, with 20.6% (intermodel range, 19.3%-21.9%) fewer screens. Annual screening from 50 to 80 years of age was not cost-effective at a WTP threshold of $100 000/QALY. Cost-effective strategies varied by risk group, but all cost-effective strategies started with biennial screening and moved to annual screening at 60 years of age or a PY threshold of 30 to 40 was reached. Conclusions and Relevance: In this economic evaluation of lung cancer screening, biennial screening for participants younger than 60 years and those with less than 30 PY of smoking exposure maintained screening benefits relative to annual screening. Resource-constricted screening programs may consider adaptive intervals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,461

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,330
Écart entre enseignants0,313 · 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 tête enseignante, 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

Citations4
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207