MétaCan
Menu
Retour à la cohorte
Enregistrement W6944730817 · doi:10.20381/ruor-25677

Chronic obstructive pulmonary disease prevalence and prediction in a high-risk lung cancer screening population

2020· other· en· W6944730817 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversity of Ottawa - Library · 2020
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCOPDLung cancerSpirometryLung cancer screeningLogistic regressionPopulationObstructive lung diseasePulmonary disease

Résumé

récupéré en direct d'OpenAlex

Abstract Background Chronic obstructive pulmonary disease (COPD) is an underdiagnosed condition sharing risk factors with lung cancer. Lung cancer screening may provide an opportunity to improve COPD diagnosis. Using Pan-Canadian Early Detection of Lung Cancer (PanCan) study data, the present study sought to determine the following: 1) What is the prevalence of COPD in a lung cancer screening population? 2) Can a model based on clinical and screening low-dose CT scan data predict the likelihood of COPD? Methods The single arm PanCan study recruited current or former smokers age 50–75 who had a calculated risk of lung cancer of at least 2% over 6 years. A baseline health questionnaire, spirometry, and low-dose CT scan were performed. CT scans were assessed by a radiologist for extent and distribution of emphysema. With spirometry as the gold standard, logistic regression was used to assess factors associated with COPD. Results Among 2514 recruited subjects, 1136 (45.2%) met spirometry criteria for COPD, including 833 of 1987 (41.9%) of those with no prior diagnosis, 53.8% of whom had moderate or worse disease. In a multivariate model, age, current smoking status, number of pack-years, presence of dyspnea, wheeze, participation in a high-risk occupation, and emphysema extent on LDCT were all statistically associated with COPD, while the overall model had poor discrimination (c-statistic = 0.627 (95% CI of 0.607 to 0.650). The lowest and the highest risk decile in the model predicted COPD risk of 27.4 and 65.3%. Conclusions COPD had a high prevalence in a lung cancer screening population. While a risk model had poor discrimination, all deciles of risk had a high prevalence of COPD, and spirometry could be considered as an additional test in lung cancer screening programs. Trial registration (Clinical Trial Registration: ClinicalTrials.gov, number NCT00751660 , registered September 12, 2008)

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,303
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,005
Tête enseignante GPT0,187
Écart entre enseignants0,181 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Ottawa - LibraryTravaux en français237 207