Abstract
Bakgrunn
The National Lung Screening Trial (NLST) viste at i nåværende og tidligere røykere i alderen 55 til 74 år, med minst 30 stk-års røyking historie og som hadde sluttet å røyke mer enn 15 år siden, 3 årlige computertomografi (CT) skjermer redusert kreftspesifikk dødelighet lunge med 20% i forhold til 3 årlige brystet X-ray skjermer. Vi sammenlignet fordelene oppnåelig med 576 lungekreft screeningprogrammer som varierte CT skjermen antallet og hyppigheten, alderen screening, og berettigelse basert på røyking.
metoder og resultater
Vi brukte fem uavhengige mikro modeller med lungekreft naturhistoriske parametere tidligere kalibrert til NLST å simulere livshistoriene til den amerikanske kohorten født i 1950 under alle 576 programmer. «Effektive» (innenfor modell) programmer hindret flest lungekreft dødsfall, sammenlignet med ingen screening, for et gitt antall av CT-skjermer. Blant 120 «konsensus effektiv «(identifisert som effektiv på tvers av modeller) programmer, gjennomsnittlig begynneralderen var 55 år, stopp alder var 80 eller 85 år, gjennomsnittlig minimums pack-årene var 27, og den maksimale år siden å slutte var 20. blant konsensus effektive programmer, ble 11% til 40% av kohorten screenet, og 153 til 846 lungekreftdødsfall ble avverget per 100.000 mennesker. I alle modellene, årlig screening basert på alder og røyking valgbarhet i NLST var ikke effektiv; fortsetter screening av alder 80 eller 85 år var mer effektiv.
Konklusjoner
Consensus resultater fra fem modeller identifisert et sett av effektive screeningprogrammer som inkluderer årlig CT lungekreft screening etter kriterier som NLST valgbarhet men utvidet til eldre aldersgrupper. Retningslinjer for screening bør også vurdere skadene av screening og individuelle pasientkarakteristika
Citation. McMahon PM, Meza R, Plevritis SK, Black WC, Tammemagi CM, Erdogan A, et al. (2014) Sammenligning Fordeler fra mange mulige computertomografi Lung Cancer Screening Program: extrapolating fra National Lung Screening Trial Bruke Comparative modellering. PLoS ONE 9 (6): e99978. doi: 10,1371 /journal.pone.0099978
Redaktør: Juan P. de Torres, Clinica Universidad de Navarra, Spania
mottatt: 25 februar 2014; Godkjent: 21 mai 2014; Publisert: 30 juni 2014
Dette er en åpen-tilgang artikkelen, fri for all opphavsrett, og kan bli fritt reproduseres, distribueres, overføres, endres, bygd på, eller brukes av alle for ethvert lovlig formål. Arbeidet er gjort tilgjengelig under Creative Commons CC0 public domain engasjement
Finansiering:. Denne rapporten er basert på forskning utført av Kreft Intervention og overvåkning Modeling Network under kontrakt med Direktoratet for Healthcare Research and Quality (AHRQ) , Rockville, Maryland (Administrative tillegget til U01 CA152956). The National Cancer Institute støttet infrastruktur for CISNET modeller. Direktoratet for Healthcare Research and Quality finansiert dette arbeidet og gitt anmeldelse. Forfatterne jobbet witah USPSTF medlemmer til å angi de overordnede spørsmålene. Funnene og konklusjonene i dette dokumentet er de av forfatterne, som er ansvarlig for innholdet, og representerer ikke nødvendigvis synspunktene til AHRQ. Ingen uttalelser i denne rapporten må tolkes som en offisiell stilling AHRQ eller av det amerikanske Department of Health and Human Services. Finansiører hadde ingen rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet
Konkurrerende interesser:. En av forfatterne (Lauren Clarke) er eier av Cornerstone Systems Northwest, Inc ., som utførte tjenester til National Cancer Institute i støtte av resultatene av forskningen rapportert i manuskriptet. En annen forfatter (Pamela McMahon) begynte sysselsettingen med en vitenskapelig konsulentfirma, eksponent, i februar 2014, etter ferdigstillelse av prosjektet rapportert i dette manuskriptet. (Hun har samtidig den akademiske avtaler som er oppført i manuskriptet.) Ingen av disse overbevisninger forstyrrer, eller med rimelighet kan oppfattes som forstyrrer, full og objektiv presentasjon, fagfellevurdering, redaksjonell beslutninger, eller publisering av forskningen. Derfor trenger disse overbevisninger ikke endre forfatternes tilslutning til alle PLoS ONE politikk på deling av data og materialer.
Innledning
I National Lung Screening Trial (NLST) [1], deltakere i alderen 55-74 år randomisert til tre årlige CT-undersøkelser opplevd en 20% reduksjon i lungekreft dødelighet på 6,5 år med oppfølging (16% ved 7,5 år) [2], sammenlignet med deltakerne randomisert til å motta tre årlige brystet røntgen. Den NLST ble utformet for å bestemme effekten av CT-screening, men kriteriene og antall skjermer som tilbys var ikke ment å representere en populasjon screeningstrategi. Flere kliniske retningslinjer, men anbefaler kreft screening lunge for personer som oppfyller NLST kriteriene [3], [4]. Andre retningslinjer utvidet anbefalinger for screening for personer som ville ha vært kvalifisert for NLST [5] -.
NLST ga ingen direkte bevis for ytterligere reduksjoner i lungekreft dødelighet fra flere skjermer, eller potensielle fordelene ved screening personer med lettere røyking historier (færre enn 30 stk-års sigarettrøyking eller tidligere røykere som hadde sluttet mer enn 15 år før) eller individer yngre enn 55 eller eldre enn 74 år i begynnelsen av screening.
ekstrapolert resultatene av NLST og sammenlignet ulike screeningprogrammer dersom de blir vedtatt i den amerikanske befolkningen. Fem modelleringsgrupper benyttet uavhengige måter å kombinere flere datakilder for å simulere den underliggende naturhistorie for lungekreft og å anslå fordelen av alternative screeningprogrammer. I en enkelt kohort av personer født i 1950, hver modell estimert fordelene fra 576 screeningprogrammer som varierte kriteriene og hyppigheten av skjermer, og to referanse scenarier. Vi har søkt å rangere programmer etter et mål på effektivitet, for å redusere det antall programmer som ville kreve nærmere vurdering. 1950 fødselskohort ble valgt fordi de fyller 63 (ca mid-range av deltakerne i NLST) i 2013. Når uavhengige modeller enighet om hva som kjennetegner effektive screeningprogrammer, som rapportert her, resultatene kan bedre informere screening retningslinjer. Som i tidligere komparative modelleringsstudier av viktige offentlige helse spørsmål [8], [9] uavhengige modellering grupper samarbeidet, dele innganger og standardisering analyser for å fjerne usikkerhet på grunn av incongruent modellert populasjoner, endepunkter og beregninger.
Metoder
modeller
de mikro modellene som ble brukt var utviklet uavhengig av etterforskere ved fem institusjoner finansiert av National Cancer Institute Cancer Intervention og overvåkning Modeling Network (CISNET, www.cisnet.cancer.gov) konsortium gjennom et peer -reviewed, samarbeidsvillig award (2010-2015) fra National Institutes of Health: Erasmus MC i Nederland (Model E), Fred Hutchinson Cancer Research Center (Model F), Massachusetts General Hospital (Model M), Stanford University (Model S ) og University of Michigan (modell U). Andre forskere (se også Takk) samarbeidet om å utvikle felles innganger og standardisere analyser. Analysene og resultatene som er beskrevet i denne rapporten var en del av et prosjekt for å informere anbefalinger for lungekreft screening utstedt av amerikanske Preventive Services Task Force [10].
Hver av de fem modellene simulerte den underliggende naturhistorie av lunge kreft, inkludert dose-respons-moduler som er knyttet et individs detaljert, dynamisk sigarettrøyking historien til lungekreft (med histologi og kjønn), og estimert (som en utgang) effekten av tidlig diagnostisering med CT screening på lungekreft overlevelse (tabell 1 del A i File S1, og tabell S1 i File S1). Algoritmer for oppfølging av en positiv screeningtest (definert i vår analyse som mistenkelig for lungekreft) ble simulert med varierende detalj (tabell 1). Før denne analysen, ble alle modeller befolket med avidentifiserte trial deltaker historier og justeres for å matche rettssaken design (f.eks antall skjermer og screening modalitet). Alle modellene ble kalibrert til å gjengi flere endepunkter konsistente med NLST og prostata, lunge, tykktarms og ovariesyndrom (PLCO) [11] kreft screening rettssaken [12]. Fordi modellene simulerer den naturlige historien til sykdom, kan de forutsi utfall i år etter at det siste året av observerte oppfølging og hva-hvis-scenarier med hypotetiske screeningprogrammer og deltakere.
felles modell innganger
Offentlig tilgjengelige data ble brukt for denne analysen. Alle modeller simulerte amerikanske menn og kvinner (alle raser) er født i 1950. Detalj røyking historier (inkludert ikke-røykere) og ikke-lunge-kreft dødelighet risiko ble opprettet som beskrevet nedenfor og i del C i File S1, og figurene S1 og S2 Fil S1, og brukes av alle modeller som felles innganger. Røyke historier og slutte priser som tidligere ble anslått gjennom 2000 [13] ble oppdatert til kalenderåret 2009 for denne analysen [14] og tidligere år 2009 ble anslått; Tilsvarende tabeller av ikke-lunge-kreft dødelighet spesifikke til røyking historie (dvs. kategorier av nåværende røykere hadde økt risiko i forhold til som aldri har røykt, med tidligere røyker dødelighet interpolert som en funksjon av år siden å slutte) [15]) ble oppdatert til 2009 og anslått forbi 2009. (andelen av 1950-kullet som hadde akkumulert det angitte antallet pack-årene ved en gitt alder er vist i Figur S4 i File S1.) i NLST og PLCO rettssaken, enkeltpersoner hadde vesentlig lavere non -lung kreftdødelighet enn den generelle befolkningen, selv etter justering for deres røykestatus. Vår bruk av USAs befolkning annen dødelighet priser i stedet for lavere priser observert i NLST eller PLCO var basert på en forutsetning om at den «friske frivillige» effekt i studiene ikke ville vedvare hvis screening for lungekreft spres vidt.
Standardisert analyserer
Hver modell ble brukt til å simulere menn og kvinner som ble født i 1950 fra 45 år (kalenderår 1995) til død eller 90 år, under 576 programmer og 2 referanse scenarier (en ingen screening scenario og et scenario med maksimalt 3 skjermer, tabell 2). Screeningprogrammer varierte i henhold til fem kriterier: alder å starte screening (45, 50, 55, 60); alder for å stoppe screening (75, 80, 85); rasterfrekvens (hver 1, 2 eller 3 år); minimum antall paknings års eksponering sigarett (10, 20, 30, 40); og (for tidligere røykere) maksimum år siden slutte (10, 15, 20, 25). Vi viser til programmer ved hjelp av stenografi for Periodisitet (A, årlige, B, biennalen, eller T, triennale), Start-Age – Stop Alder – Minimum Pack-år – Maksimal Years Siden Avslutt. For eksempel A55-75-30-15 representerer starter screening i en alder av 55 år og slutter screening i en alder av 75, for personer med minimum røyking historie 30 stk-årene, og en maksimal år siden å slutte på 15 år. Dette programmet, som vi refererer til som «NLST valgbarhet «er lik den NLST utformingen, bortsett fra at screening var ikke begrenset til 3 screenings (maksimalt 21 skjermer er mulig fra alderen 55 til 75).
Som individer alder, deres akkumulerte pakke-år eller år siden å slutte kan endres. I denne analysen modellene vurderes valgbarhet årlig; å bli vist på en bestemt alder innenfor kvalifiseringsaldersgruppe, en person måtte også møte
både
pack-årene og årene-siden-slutte kriterier. Dermed lettere røykere kan ikke begynne screening ved starten alder og tidligere røykere kan slutte screening før stopp alder.
Alle simuleringer ble utført antar idealisert, perfekt screening tilslutning for kvalifiserte personer og røykeavvenning ble antatt å være upåvirket ved screening resultater.
for forbundets og treårige programmer, hyppigheten av screening eksamener ble endret samtidig beholde hver modellens naturhistoriske parametere, som simulerer den underliggende sykdomsutvikling.
Model M generert en andre sett av resultater som er lagt operative kandidatur (dvs. frisk nok for kurativ kirurgi) som et kvalifikasjonskriterier for screening og reduserte priser av operativ kandidatur i eldre pasienter (del A i File S1) [16].
Utfall Metrics
for hvert program, hver modell generert tellinger av screening eksamener og lungekreft dødsfall unngås i forhold til ingen screening, separat for menn og kvinner. Alle arrangementer er «per person i befolkningen» heller enn «per person skjermet «fordi programmer som definerer berettigelse basert på røyking historie kan sile
lignende proporsjoner
av befolkningen, men skjermen
ulike mennesker
, selv for identisk start og stopp aldre. Tellinger av screening eksamener ekskludert oppfølging og tilfeldige CT eksamener. Tellinger av dødsfall unngås per screening scenario ble uttrykt som andel av (innen-modell) størst mulig dødsfall unngås fra noen av screeningprogrammene evalueres.
I denne analysen søkte vi formelt representerer avveininger mellom å maksimere fordelene (her, lungekreft dødsfall unngås) tilfaller en bestemt screening program samtidig minimere skadene (her, tallene for screening eksamener som kreves for å unngå lungekreft dødsfall). En måte å sammenligne alternative programmer som representerer ulike avveininger er å generere en «effektivitet frontier». Hver modell generert effektivitet grensene for hvert kjønn som koblet de screeningprogrammer som forhindret de fleste dødsfallene for hver mulig verdi av antallet av CT-skjermer. (Legg merke til at vår definisjon av effektivitet er ikke ekvivalent med å identifisere den laveste forholdet mellom skjermene pr død unngås. Som screening intensiteten øker, det antall skjermer pr død med vil øke, men blant programmer med tilsvarende antall av skjermer, noe [de mest effektive ] vil forhindre flere dødsfall.) for hver modellens resultater, genererte vi en rangering poengsum (desil av avstand [17] fra modellens grensen) for hvert program ikke er på grensen (del B i File S1). Programmer på eller nærmest grensen (tre første desil) som spådd av minst 3 modeller ble identifisert for menn og kvinner separat. Programmer som var i både mannlige og kvinnelige listene ble definert som konsensus programmer.
For hvert konsensus program, kombinert vi teller per 100.000 personer fra menn og kvinner og beregnet gjennomsnitts spådd tilfeller av lungekreft tilfellene, lungekreft dødsfall , leveår, og screening CT undersøkelser utført. Vi beregnet prosent av kohorten hadde fått minst en screening eksamen og antall personer noensinne skjermede per lungekreft død unngås (antall som trengs for å skjerm, NNS).
Et sekundært sett konsensus programmer som fordel (dvs. y-aksen) ble målt som leveår lagret (med x-aksen resterende tellinger av CT skjermer) ble også identifisert, ved hjelp av de samme trinnene som ovenfor.
Resultater
ved hjelp av valgbarhet kriterier som de i NLST, verken 3 årlige skjermer (A62-64-30-15) eller 21 årlige skjermer (A55-75-30-15) vises på grensen for enhver modell (figur 1 og figur S7 i File S1). Det var variasjon blant modellene med hensyn til virkningene av røyking kriterier på avstand fra grensen, men konsensus var klart om alder: sammenlignet med A55-75-30-15, alle modeller plassert A55-85-30-15 nærmere (eller på) grensen, noe som indikerer at en videreføring screening til eldre aldersgrupper var mer effektiv enn å stoppe i en alder av 75. Motsatt, initiere screening i yngre aldersgrupper (A45-75-30-15) ble lenger fra grensen (mindre effektiv). Mindre hyppige (B55-75-30-15) skjermer gitt færre fordeler, som gjorde øke pack-år minimum (A55-75-40-15). Den mest intensive årlige programmet (A45-85-10-25) var oppe til høyre av grensen for alle modeller.
vertikal akse normalisert slik at 1,0 representerer innen-modell prediksjon av lungekreft dødsfall unngås med mest intensive screeningprogrammet (A45-85-10-25); verdier ikke direkte tolkes som et hasardratio. Sammenlignet med årlig screening av personer i alderen 55-74 med minst 30 stk-års røyking og som sluttet med i de siste 15 år (referanse, x) et program for å fortsette årlig screening for kvalifiserte personer opp til 85 år (+) var nærmere effektiviteten grensen. Resultater fra en modell vist; se figur S7 i File S1 for resultater fra alle fem modeller.
Vi identifiserte 120 konsensus programmer. Av disse 119 hadde en stopper alder av 80 eller 85 (figur 2, Tabell S2 i File S1, og figur S8 i File S1). Across de 120 konsensus programmene, gjennomsnittlig start alder (54,8 y) og den gjennomsnittlige minimumspaknings år (27,1) var nær NLST kriteriene, men gjennomsnittlig maksimums år siden sluttet var høyere (19,9 y). For alle modeller (figur 3), 120 konsensus programmene er nær modellens egen grense.
vertikal akse normalisert som i Figur 1. Consensus programmene var det 120 (av 576 evaluert, se tabell 2) som fem modeller rangert som mest effektive. Bare en enkelt consenus strategi (singelen oransje +) hadde en stopp alder av 75. De resterende konsensus strategier fortsatt screening av personer som oppfyller røyking kriteriene til alderen 80 (aqua) eller 85 (lilla). Årlig screening (trekanter) gitt større fordeler (dvs avverget flere lungekreft dødsfall) enn triennale (+) eller biennale (firkanter). Resultater fra en modell vist; se figur S8 i File S1 for resultater fra alle fem modeller.
Synlig er effektivitets grenser for alle 5 modeller, med 120 konsensus programmer merket. Alle vertikale aksene er normalisert til innenfor-modell spådommer, som i figur 1 og 2.
Resultater fra en valgt undergruppe av 41 (hver tredje, sortert etter prosent noensinne vist) konsensus programmene er gitt i tabell 3 (gjennomsnitt og SD resultater fra de fem modellene). Mellom 11% og 40% av kohorten ble screenet, krever mellom 43 000 til over 920,000 CT-skjermer per 100.000 personer (Tabell 3). Modellene spådd et gjennomsnitt på 3,719 lungekreft dødsfall per 100 000 i ingen screening scenario (SD 820,43; figur S6 i File S1). Per 100.000 personer, vil de 41 konsensus programmene unngå mellom 153 og 846 lungekreftdødsfall og spare mellom 1,883 og 9,851 år av livet, i forhold til ingen screening, og gjennomsnittlig spådd NNS varierte 34,5 til 94,2.
Basert på resultater fra en modell (M), reduserer andelen av eldre individer screenet (på grunn av ineligibility for kirurgisk reseksjon) resulterte i færre CT-skjermer og færre lungekreft dødsfall unngås (13,3% og 14,8%, henholdsvis, over konsensus programmer), men programmer som utvidet screening til alderen 80 og 85 forble på effektivitet grensen (figur S9 i File S1).
Når nytten av screening ble målt som leveår lagret heller enn lungekreft dødsfall unngås, det andre settet med konsensus effektive programmer hadde yngre gjennomsnittlig start og stopp aldre (49,5 y og 80,9 y, henholdsvis), men lignende Gjennomsnittlig minimum paknings år og maksimum år siden sluttet (tabell S3 i File S1).
Diskusjoner
Fem uavhengige modeller rangert 576 lungekreftscreeningprogrammer ved å veie en beregning av sine potensielle fordeler (lungekreft dødsfall unngås) mot ett mål av skade eller ressursbruk (tellinger av CT-screening eksamener) i USA kohorten født i 1950. modellene hadde tidligere blitt kalibrert til flere endepunkter i NLST,
12, men heterogenitet i de underliggende modellstrukturer og forutsetninger gitt heterogene spådommer for absolutte tall av lungekreft dødsfall unngås når ekstrapolere utover studiene. Et viktig funn i vår analyse var at til tross for forskjeller i absolutte fordeler på tvers av modellene, rangeringen av programmene var konsekvent; mens regnskap for heterogenitet i modellprediksjoner, var vi i stand til å identifisere et sett med konsensus effektive programmer. Årlig screening med berettigelse basert på NLST kriterier (som begynner i en alder av 55, fortsetter å alder 75 for nåværende og tidligere røykere med minimum 30 stk-år og mindre enn 15 år siden å slutte) var ikke blant de programmene på effektiv grensen av noe av de fem modellene. Resultatene fra alle modellene viste at programmer som utvidet screening alder over 75 forhindret flere lungekreftdødsfall for relativt få ekstra skjermer. Merk at i vår modellering, stopp alder for et program var det siste skjermbildet for noen enkeltpersoner som fortsatt møtte røyking tidsavgrensninger, og
ikke anbefale det siste året for å bli invitert til å begynne et screeningprogram. I NLST som hadde en øvre valgbarhet alder av 74 år, personer var like gammel som (77 eller, sjelden, 78) på den tredje skjermen. Våre funn at programmer som skjermede kvalifiserte personer forbi alder 75 år var effektive var uendret når flere eldre pasienter var ikke kvalifisert for screening på grunn av komorbiditet som kategorisert dem som ikke-operative kandidater (basert på resultater fra en modell) eller når leveår spart ble byttet ut for måling av nytte. Mens i andre kreftformer (f.eks bryst og tykktarms) screening anbefales vanligvis ikke utover 75 år, og ikke generelt anbefalt hvert år, i lungekreft årlig screening for eldre aldersgrupper kan være gunstig fordi: (1) aldersspesifikke forekomsten kurve for lungekreft er ganske bratt, og (2) den høye dødeligheten av sykdommen gjør tidlig deteksjon verdt, selv blant personer med en noe beskjeden levealder. Det er også viktig å merke seg at vi hadde definert leveår spart (i stedet for lungekreft dødsfall unngås) som mål på nytte, kan en logisk spår at strategier med yngre stopper aldre ville være mer sannsynlig å dukke opp som «konsensus effektiv».
Vår spådd NNS for A55-80-30-15 varierte over modeller, fra 19,8 (Model F) til 100,5 (Model M), men alle ble under publisert estimater av NNS for bare tre skjermer av (256) [18] og nærmere publisert NNS for mammografi (95) eller FOBT (omtrent 130) for friske 50-åringer [19].
for konsensus programmer med screening inntil fylte 80, mellom 11% (for minst hyppige programmer med strengeste valgbarhet, f.eks T60-75-40-10) og 40% (for de årlige programmer med mer inkluderende valgbarhet, f.eks A45-80-10-25) av kohorten født i 1950 vil bli vist på minst en gang etter fylte 45. Selv om det ikke er direkte sammenlignbare med tidligere estimater som 6% (8,7 millioner mennesker) av amerikanske voksne over 40 ville møte NLST kvalifikasjons konsentrasjon for lungekreft screening hvert år [20], [21], vårt anslag på 11 % av individer virker fornuftig.
Vi identifiserte et sett med konsensus effektive programmer heller enn en enkelt optimal strategi, fordi effektivitets grenser ikke identifisere en konsensus inflexion punkt hvor flere skjermer gitt minkende fordeler. De minst intensive programmer på nederst til venstre i grensene (figur 2) kan være mindre attraktive, men siden årlig screening konsekvent forhindret flere lungekreftdødsfall enn gjorde triennale eller biennale programmer. De mest intensive screeningprogrammer, på den annen side vil føre til mer akkumulerte skader (stråling fra flere bildeundersøkelser, overdiagnostikk, invasive biopsier) og kostnader.
screeningprogrammer kan ikke vurderes isolert fra oppfølgings -up algoritme. I NLST, et gjennomsnitt på 24% av individer i en gitt runde med screening (CT arm) hadde resultater som krever noe oppfølging, men rettssaken ikke angi et oppfølgingsregime, forlater åpne spørsmålet om den optimale diett for personer med positive skjermer, hvorav de fleste er friske [4], [22]. I modeller (E, F, U) som brukes implisitte oppfølgings algoritmer basert på erfaringene til deltakerne i NLST, ekstrapolere frekvensen av oppfølgingen mindre hyppige screeningprogrammer var avhengig av antagelsen om at satsene for oppfølging eksamener og tidlig oppdagelse av lungekrefttilfellene (definert i NLST og modeller E, F og U som «screen-oppdaget» selv om første sett på en oppfølging eksamen) vil ikke endre. I modellene (M, S) som eksplisitt modellert oppfølgingsprogrammer basert på størrelse, kan oppfølging eksamener endre tidspunktet for påvisning av en lungekreft, men det som er forut her for hyppigheten av oppfølgingen bildebehandling kan ikke være representative av eventuelle praksis mønstre.
Flere begrensninger ved vår analyse er viktig å merke seg. Modellene ikke simulere ikke-lungekreft tilfeldig funn (f.eks koronar forkalkning, AAA, eller andre kreftformer), slik at våre resultater ikke inkluderer potensielle fordeler (eller skader) på grunn av sin diagnose og behandling. Det er få data til å forutsi etterlevelse mønstre for lungekreft screening [20], [23], og mange muligheter til å modellere. Vi gjennomførte en idealisert analyse med målet om å informere retningslinjer, og ikke tenker på at enkeltpersoner vil selv velge for deltakelse i screening basert på deres samtidige sykdommer, bestemte røyking historie, eller familiehistorie, som observert i screening studier [24], [25] . Det vil være viktig å følge med på hvordan lungekreft screening gjennomføres i lokalsamfunnet (herunder rekruttering, deltakelse, positive skjerm evalueringer, diagnose, henvisning til behandling), og modellering kan foreslå de viktigste leverage poeng for å optimalisere prosessen. Definitive bevis på forholdet mellom røykeslutt og NLST screening resultater var ikke tilgjengelig i tide for våre analyser. Basert på begrensede data med ikke-standardiserte definisjoner av «quit» [26] – [29] og PLCO Trial, som fant ingen sammenheng mellom CXR screening resultat og røykevaner [30], antok vi screening ikke påvirke bakgrunns røyke mønstre.
Effektive screeningprogrammer kan avvike fra populasjoner med ulike røykemønstre eller annen dødelighet risiko enn det kullet vi simulert. For å forenkle sammenligningen av hundrevis av programmer, utførte vi våre analyser i en enkelt fødselskohort og ikke anslå total lungekreft dødsfall unngås i USA [31]. Vårt krav om at enkeltpersoner oppfyller alle kriteriene (herunder år siden å slutte) var gjennomsiktig og er et skritt mot risikobasert screening kriteriene (modellene står for å redusere risikoen for død av lungekreft og andre årsaker etter avslutte), men viser ikke nødvendigvis retningslinjer , som typisk definerer berettigelse til å begynne screening. Future-analyser for å undersøke programmer som definerer berettigelse basert på risikomodeller vil kreve at modellene og befolknings innspill filer inkludere flere egenskaper (f.eks BMI, utdanning) som går utover alder og røykeeksponering [32] – [36]. Vi gjorde ikke innlemme økninger i operative dødelighet etter alder, eller spesielle kliniske betraktninger individuelle til en bestemt pasient.
Selv om rangeringen av programmene var konsistente på tvers av modeller, usikkerhet i absolutte tall av lungekreft dødsfall unngås (og livet år lagrede) forble på grunn av variasjon i de underliggende forutsetninger om uobserverte sykdomsprosesser [37]. Bak forskjeller mellom modellene i spådd absolutte fordeler er en variasjon i den anslåtte fremtidige antallet lunge krefttilfeller i fravær av screening (figur S5 i File S1). I hovedsak vår konsortium av 5 modeller fungert som en sensitivitetsanalyse på modellstruktur og viste at selv når modellen heterogenitet ble spesielt tatt i betraktning, modellene identifisert lignende effektive programmer (dvs. konsensus sett).
Våre resultater markere avveininger mellom å hindre større antall lungekreft dødsfall og de ekstra screening eksamener som kreves. Retningslinjer for screening vurdere også avveininger i gevinster i levealder og viktige skader, inkludert invasive biopsier for godartet sykdom, overdiagnostikk, og lungekreft knyttet til stråling fra bildediagnostikk undersøkelser [10]. Vanskeligheter med å estimere populasjons effekter av screening omfatter potensialet for samtidige røykeslutt-programmer for å forsterke fordelene fra screening, og heterogeniteten av strålingsdosen som kan tilskrives en gitt CT-undersøkelse, noe som kan variere så mye som 10 ganger, avhengig av størrelsen pasienten, generering av skanneren, og protokollen i bruk ved klinisk setting [38]. Alle røykere, enten under screening eller ikke, bør få opphør assistanse og bli oppmuntret til å slutte [39].
Hjelpemiddel Informasjon
Fil S1.
Støtte figurer og tabeller. Figur S1, Utbredelse av røyking etter alder i 1950 fødselskohort. Oppsummering av felles inngangsdata (brukes av alle 5 modeller) på røykemønstre for den amerikanske kohorten født i 1950. Prevalens vist anslås i fravær av lunge kreftdødelighet. Versjon 1.0 av røyke History Generator (SHG) refererer til publiserte data gjennom 2000 (Anderson, et al.), Og versjon 1.5 leverer 1950 fødselskohorten brukes for denne analysen med data gjennom 2009 og anslag forbi 2009. Figur S2, Andre- forårsake dødelighet ved røyking kvintilen, i 1950 fødselskohort. Disse kurvene viser den annen årsak (ikke-lungekreft) dødelighet for aldri røykere og for nåværende røykere ved røyking kvintil (Q, sigaretter per dag) for den mannlige fødsel kohort av 1950, ut til alder 99. Tidligere røykere er middels til nåværende og som aldri har røykt. Det er et lignende plott for kvinner. Disse ble delt innganger brukes av alle modellene. Legg merke til at satsene for kreftdødelighet ikke-lunge representerer den amerikanske befolkningen, ikke prøve (NLST eller PLCO) deltakere. Figur S3, Utbredelse av røyking etter alder i 1950 fødselskohort. Utgang fra en modell som viser røykeprevalens etter alder (kalenderår), i en ingen screening scenario. Andeler av nåværende /tidligere /Aldri røykere er i nærvær av kreftdødelighet lunge samt total mortalitet. Figur S4, Utbredelse av røyking etter alder og pakke-år i 1950 fødselskohort. Utgang fra en modell som viser røykeprevalens etter kategori av pakke-år og alder. Den andelen av årskullet etter alder som har samlet det angitte antallet pack-årene i nærvær av lungekreft dødelighet og annen dødelighet. Figur S5, Forekomst, ingen screening scenario, utgang fra alle modellene. For spådommer siste observerte seer data (over 60) er det ingen observerte data, men vi brukte en aldersperiode-kohort-modellen til å projisere siste observerte år ( «Antatt» rød dobbel linje i tomter under), som viser at modellene er mest avvikende etter fylte 85, da seer data blir mest sparsom. Vi kan strengt tatt ikke sammenligne forekomsten til at i tidligere fødselskullene siden røyking mønstre er ulik, og forekomsten varierer etter kohort. Figur S6, dødelighet, ingen screening scenario, utgang fra alle modellene.
