دانلود ترجمه مقاله معیار انتخاب برای غربالگری سرطان ریه

1. مقدمه 2. روش ها 3. نتایج 4. بحث و بررسی

چکیده – پیشینه: آزمایش ملی غربالگری ریه (NLST) از عوامل خطر برای سرطان ریه (به عنوان مثال، 30 سال سرطان ریه و کمتر از 15 سال از زمان ترک) به عنوان معیار انتخاب برای غربالگری سرطان ریه استفاده می کند. استفاده از یک روش دقیق که عوامل خطر اضافی را به منظور انتخاب افراد برای غربال گری با هم ادغام می کند، ممکن است افراد بیشتری که مبتلا به سرطان ریه هستند و یا در معرض توسعه این نوع سرطان قرار دارند را شناسایی کند. روش ها: ما مدل پیش بینی سرطان ریه سال 2011 آزمایش غربالگری سرطان پروستات، ریه، روده بزرگ و تخمدان (PLCO) به منظور تضمین قابلیت کاربرد داده های NLST را اصلاح کردیم، خطر احتمال تشخیص سرطان ریه در طول یک دوره مطالعه 6 ساله بررسی شد. ما یک مدل (PLCOM2012) با اطلاعات 80375 شخص در گروه شاهد PLCO و گروه مداخله که سیگار مصرف می کردند، را توسعه و تایید کردیم. تفکیک پذیری (ناحیه زیر منحنی مشخصه عملیات گیرنده، [AUC]) و کالیبراسیون مورد ارزیابی قرار گرفت. در مجموعه داده های اعتبار سنجی، 14144 نفر از 37332 (37.9درصد) معیار NLST را تحقق بخشیدند. برای مقایسه، 14144 نفر از افراد با بالاترین خطر مطابق با معیار PLCOM2012 مثبت (واجد شرایط غربالگری) در نظر گرفته شد. ما دقت معیار PLCOM2012 را با معیار NLST به منظور تشخیص سرطان ریه مورد مقایسه قرار دادیم. مدل های Cox به منظور ارزیابی این که آیا کاهش مرگ و میر میان 53202 نفر در معرض دوز پایین با غربالگری توموگرافی کامپیوتری در NLST از نظر خطر با هم تفاوت دارند یا خیر، استفاده شد. نتایج: AUC در مجموعه داده توسعه 803/0 و در مجموعه داده معتبر 0.797 بود. در مقایسه با معیار NLST، معیار PLCOM2012 مقدار حساسیت (93 درصد در مقابل 71.1 درصد) و مقدار پیشگویی مثبت (4 درصد در مقالل 3.4 درصد)، بدون کاهش اختصاصیت (به ترتیب 9/62 درصد و 62.7 درصد)، 41.3 درصد سرطان ریه کمتر را نشان داد. اثر غربالگری NLST مطابق با خطر PLCOM2012 متفاوت نیست (61/0 = P برای تعامل). نتیجه گیری: استفاده از مدل PLCOM2012 بسیار حساس تر از معیار NLST برای تشخیص سرطان ریه است.

BACKGROUND: The National Lung Screening Trial (NLST) used risk factors for lung cancer (e.g., ≥30 pack-years of smoking and <15 years since quitting) as selection criteria for lung-cancer screening. Use of an accurate model that incorporates additional risk factors to select persons for screening may identify more persons who have lung cancer or in whom lung cancer will develop. METHODS: We modified the 2011 lung-cancer risk-prediction model from our Prostate, Lung, Colorectal, and Ovarian (PLCO) Cancer Screening Trial to ensure applicability to NLST data; risk was the probability of a diagnosis of lung cancer during the 6-year study period. We developed and validated the model (PLCOM2012) with data from the 80,375 persons in the PLCO control and intervention groups who had ever smoked. Discrimination (area under the receiver-operating-characteristic curve [AUC]) and calibration were assessed. In the validation data set, 14,144 of 37,332 persons (37.9%) met NLST criteria. For comparison, 14,144 highest-risk persons were considered positive (eligible for screening) according to PLCOM2012 criteria. We compared the accuracy of PLCOM2012 criteria with NLST criteria to detect lung cancer. Cox models were used to evaluate whether the reduction in mortality among 53,202 persons undergoing low-dose computed tomographic screening in the NLST differed according to risk. RESULTS: The AUC was 0.803 in the development data set and 0.797 in the validation data set. As compared with NLST criteria, PLCOM2012 criteria had improved sensitivity (83.0% vs. 71.1%, P<0.001) and positive predictive value (4.0% vs. 3.4%, P=0.01), without loss of specificity (62.9% and. 62.7%, respectively; P=0.54); 41.3% fewer lung cancers were missed. The NLST screening effect did not vary according to PLCOM2012 risk (P=0.61 for interaction). CONCLUSIONS: The use of the PLCOM2012 model was more sensitive than the NLST criteria for lung-cancer detection.

بخشی از ترجمه مقاله (صفحه 11 فایل ورد ترجمه)