Early detection of non-small cell lung cancer: an electronic health record data-driven approach
Notice bibliographique
Résumé
BACKGROUND: Specific patient characteristics increase the risk of cancer, necessitating personalized healthcare approaches. For high-risk individuals, tailored clinical management ensures proactive monitoring and timely interventions. Electronic health record (EHR) data are crucial for supporting these personalized approaches, improving cancer prevention and early diagnosis. We leverage EHR data and build a prediction model for early detection of non-small cell lung cancer (NSCLC). METHODS: We utilize data from Mass General Brigham's EHR and implement a three-stage ensemble learning approach. Initially, we generate risk scores using multivariate logistic regression in a self-control and case-control design to distinguish between cases and controls. Subsequently, these risk scores are integrated and calibrated using a prospective Cox model to develop the risk prediction model. RESULTS: We identified 127 EHR-derived features predictive for early detection of NSCLC. The highly predictive features include smoking, relevant lab test results, and chronic lung diseases. The predictive model reached area under the receiver operating characteristic (ROC) curve (area under the curve, AUC) of 0.801 (positive predictive value (PPV) 0.0173 with specificity 0.02) for predicting 1-year NSCLC risk in a population aged 18 and above, and AUC of 0.757 (PPV 0.0196 with specificity 0.02) in a population aged 40 and above. CONCLUSIONS: This study identified EHR-derived features which are predictive of early NSCLC diagnosis. The developed risk prediction model exhibits superior performance for early detection of NSCLC compared to a baseline model that only relies on demographic and smoking information, demonstrating the potential of incorporating EHR-derived features for personalized cancer screening recommendations and early detection.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».