Lung cancer screening uptake among high-risk individuals: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Low-dose computed tomography (LDCT) screening has been shown to reduce lung cancer mortality. However, uptake among high-risk individuals eligible for lung cancer screening remains low. The aim of this study was to determine the uptake and factors associated with lung cancer screening among high-risk individuals. Methods We systematically searched the Medline, Embase, and Scopus databases from inception to April 7, 2025. The protocol was registered with PROSPERO (CRD420251008323). Studies were eligible if they screened high-risk populations using LDCT and examined associated factors. Risk of bias was assessed using the Newcastle-Ottawa Scale. A random-effects model was conducted to estimate the uptake and associated factors. Results Of 6,991 potentially relevant articles, 28 studies were included (total n = 2,312,274; range: 171-1,273,013 participants). The overall pooled uptake rate was 44% (95% CI: 24-66%), with significant heterogeneity observed. Studies showed that factors associated with non-uptake included older age, current smoking, racial minority status, lower level of education, lower income, presence of comorbidities, and lack of insurance. Meta-analyses revealed that current smokers were less likely to undergo screening compared to former smokers (OR 0.72, 95% CI: 0.59-0.87; p < 0.01), and non-white participants were less likely to undergo screening compared to white participants (OR 0.72, 95% CI: 0.56-0.92; p < 0.01). For risk of bias, only six studies were rated as having ‘moderate risk,’ while the rest were rated as having low risk. Conclusions Lung cancer screening uptake remains moderate among high-risk individuals. Targeted interventions should prioritize current smokers and individuals from non-white minority groups. Lung cancer screening campaigns should be expanded more widely, especially among current smokers and minority populations, to reduce disparities in lung cancer screening. Key messages • Lung cancer screening uptake remains moderate among high-risk individuals, particularly current smokers and those of non-white minority status. • Targeted interventions should focus on current smokers and minority populations to reduce disparities in lung cancer screening.
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 | 0,018 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,034 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».