PLoS ONE: Sammenligning Ydelser fra mange mulige Computed Tomography Lung Cancer Screening programmer: Ekstrapolerer fra National Lung Screening Trial Brug Sammenlignende Modeling

Abstrakt

Baggrund

The National Lung Screening Trial (NLST) viste, at i de nuværende og tidligere rygere i alderen 55 til 74 år, med mindst 30 pack-års cigaretrygning historie og som havde stoppe med at ryge mere end 15 år siden, 3 årlige computertomografi (CT) skærme reduceret lungekræft dødelighed med 20% i forhold til 3 årlige brystet X-ray skærme. Vi sammenlignede de fordele opnåelige med 576 lunge kræft screeningsprogrammer, der varierede CT skærm antal og hyppighed, alderen screening, og berettigelse baseret på rygning.

Metoder og Resultater

Vi brugte fem uafhængige mikrosimuleringsteknikker modeller med lungekræft naturhistoriske parametre tidligere kalibreret til NLST at simulere livshistorier i USA kohorte født i 1950 under alle 576 programmer. “Effektive” (indenfor model) programmer forhindrede det største antal lungekræft dødsfald, sammenlignet med ingen screening, for et givet antal CT-skærme. Blandt 120 ‘konsensus effektive «(identificeret som effektivt på tværs modeller) programmer, den gennemsnitlige udgangspunkt alder var 55 år, indstilling alder var 80 eller 85 år, den gennemsnitlige minimale pack-år var 27, og de maksimale år siden at holde op var 20. Blandt konsensus effektive programmer, blev 11% til 40% af kohorten screenet, og 153 til 846 lungekræft dødsfald var afværget per 100.000 mennesker. I alle modeller, årlig screening baseret på alder og rygning berettigelse i NLST var ikke effektiv; fortsat screening til alder 80 eller 85 år var mere effektiv.

Konklusioner

Konsensus resultater fra fem modeller identificeret et sæt af effektive screeningsprogrammer, der omfatter årlig CT lungekræft screening ved hjælp af kriterier som NLST berettigelse, men udvides til ældre aldersgrupper. Retningslinjer for screening bør også overveje skader af screening og individuelle patientkarakteristika

Henvisning:. McMahon PM, Meza R, Plevritis SK, Sort WC, Tammemagi CM, Erdogan A, et al. (2014) Sammenligning Fordele fra mange mulige Computed Tomography Lung Cancer screeningsprogrammer: Ekstrapolerer fra National Lung Screening Trial Brug Sammenlignende Modeling. PLoS ONE 9 (6): e99978. doi: 10,1371 /journal.pone.0099978

Redaktør: Juan P. de Torres, Clinica Universidad de Navarra, Spanien

Modtaget: Februar 25, 2014 Accepteret: 21. maj 2014 Udgivet: 30 juni 2014

Dette er en åben-adgang artiklen, fri for alle ophavsrettigheder, og kan frit gengives, distribueres, overføres, ændres, bygget på, eller på anden måde bruges af alle til ethvert lovligt formål. Værket gøres tilgængeligt under Creative Commons CC0 public domain dedikation

Finansiering:. Denne rapport er baseret på forskning udført af Cancer Intervention og Surveillance Modeling Netværk kontrakt til agenturet for Healthcare Forskning og Kvalitet (AHRQ) , Rockville, MD (Administrative Supplement til U01 CA152956). The National Cancer Institute støttede infrastruktur til CISNET modeller. Agenturet for Healthcare Forskning og Kvalitet finansierede dette arbejde og forudsat gennemgang. Forfatterne arbejdede witah USPSTF medlemmer til at angive de overordnede spørgsmål. Resultaterne og konklusionerne i dette dokument, er dem af de forfattere, der er ansvarlige for dens indhold, og repræsenterer ikke nødvendigvis synspunkter AHRQ. Ingen erklæring i denne rapport bør opfattes som en officiel stilling AHRQ eller USA Department of Health og Human Services. De finansieringskilder havde ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet

Konkurrerende interesser:. En af forfatterne (Lauren Clarke) er ejer af Cornerstone Systems Northwest, Inc ., der udførte ydelser til National Cancer Institute til støtte for udførelsen af ​​den forskning, rapporteret i manuskriptet. En anden forfatter (Pamela McMahon) begyndte beskæftigelse med en videnskabelig konsulentvirksomhed, Exponent, i Feb. 2014, efter afslutningen af ​​projektet rapporteret i dette manuskript. (Hun har samtidig de faglige aftaler som anført i manuskriptet.) Ingen af ​​disse overbevisninger forstyrrer, eller med rimelighed kan opfattes som forstyrrer, fuldstændig og objektiv præsentation, peer review, redaktionelle beslutninger, eller offentliggørelse af forskningen. Derfor gør disse overbevisninger ikke ændre forfatternes tilslutning til alle PLoS ONE politikker på datadeling og materialer.

Introduktion

I den nationale Lung Screening Trial (NLST) [1], deltagere i alderen 55-74 år randomiseret til tre årlige CT-undersøgelser oplevede en reduktion i dødeligheden lungekræft 20% ved 6,5 års opfølgning (16% ved 7,5 år) [2], i forhold til deltagerne randomiseret til at få tre årlige brystet røntgenbilleder. Den NLST designet til at fastlægge effekten af ​​CT-screening, men kriterierne for støtteberettigelse, og antallet af skærme, der tilbydes var ikke meningen at repræsentere en screening befolkning strategi. Flere kliniske retningslinjer anbefaler dog, lungekræft screening for personer, der opfylder kriterierne NLST støtteberettigelse [3], [4]. Andre retningslinjer udvidet anbefalinger for screening for personer, der ville have været berettiget til at NLST [5] -.

NLST forudsat ingen direkte beviser for yderligere reduktioner i dødeligheden lungekræft fra yderligere skærme, eller af potentielle fordele ved screening personer med lettere ryger historier (færre end 30 pack-års cigaretrygning eller tidligere rygere, der havde stoppe mere end 15 år før) eller enkeltpersoner yngre end 55 eller ældre end 74 år i begyndelsen af ​​screeningen.

Vi ekstrapoleret resultaterne af NLST og sammenlignet forskellige screeningsprogrammer hvis det vedtages i den amerikanske befolkning. Fem modellering grupper brugte uafhængige metoder til at kombinere flere datakilder til at simulere den underliggende naturhistorie lungekræft og at estimere gavn af alternative screeningsprogrammer. I en enkelt kohorte af personer født i 1950, hver model estimeret fordelene fra 576 screeningsprogrammer, der varierede kriterier og hyppigheden af ​​skærme støtteberettigelse, og to referencescenarier. Vi søgte at rangere programmer i henhold til et mål for effektiviteten, at reducere antallet af programmer, som ville kræve nærmere vurdering. Den 1950 fødselsårgang blev valgt, fordi de når 63 år (om mid-range af deltagere i NLST) i 2013. Når uafhængige modeller nå til enighed om kendetegnene for effektive screeningsprogrammer, som rapporteret her, resultaterne bedre kan informere retningslinjer screening. Som i tidligere sammenlignende modellering undersøgelser af vigtige folkesundhedsmæssige spørgsmål [8], [9] uafhængige modellering grupper samarbejdede, deling input og standardisering analyser at fjerne usikkerhed som følge af inkongruente modelleret befolkninger, endpoints og målinger.

Metoder

modeller

de mikrosimuleringsteknikker anvendte modeller blev udviklet uafhængigt af efterforskere på fem institutioner finansieret af National Cancer Institute Cancer Intervention og Surveillance Modeling Network (CISNET, www.cisnet.cancer.gov) konsortium gennem en peer -reviewed, kooperative award (2010-2015) fra National Institutes of Health: Erasmus MC i Nederlandene (Model E), Fred Hutchinson Cancer Research center (Model F), Massachusetts General Hospital (Model M), Stanford University (Model S ) og University of Michigan (Model U). Yderligere efterforskere (se også Tak) sammen om at udvikle fælles indgange og standardisere analyser. De er beskrevet i denne rapport analyser og resultaterne var en del af et projekt at informere anbefalinger til screening lungekræft udstedt af amerikanske Forebyggende Services Task Force [10].

Hver af de fem modeller simulerede den underliggende naturlige historie lunge cancer, herunder dosis-respons moduler, der vedrører en persons detaljeret, dynamisk cigaretrygning historie til risikoen for lungekræft (ved histologi og køn), og anslås (som et output) virkningen af ​​tidlig påvisning med CT screening på lungekræft overlevelse (tabel 1 del A i File S1, og tabel S1 i File S1). Algoritmer til opfølgning en positiv screeningstest (defineret i vores analyse som mistænkelige for lungekræft) blev simuleret med varierende detaljer (tabel 1). Forud for denne analyse blev alle modeller befolket med de-identificerede forsøg deltager historier og justeret til at matche forsøgsdesign (fx antal skærme og screening modalitet). Alle modeller blev kalibreret til at reproducere flere endpoints overensstemmelse med NLST og Prostate, Lung, tyktarmen og æggestokkene (PLCO) [11] kræftscreening forsøg [12]. Fordi modellerne simulere den naturlige historie af sygdommen, kan de forudsige resultater i år efter det sidste år af observerede opfølgning og hvad hvis scenarier med hypotetiske screeningsprogrammer og deltagere.

fælles model indgange

Offentligt tilgængelige data blev anvendt til denne analyse. Alle modeller simuleret amerikanske mænd og kvinder (alle racer) født i 1950. Detaljerede ryger historier (herunder ikke-rygere) og ikke-lunge-kræft dødelighed risiko blev skabt som beskrevet nedenfor og i del C i File S1, og figur S1 og S2 i File S1, og bruges af alle modeller som almindelige indgange. Gebyr historier og afslutte priser, der tidligere blev anslået gennem 2000 [13] blev opdateret til kalenderåret 2009 for denne analyse [14] og de forløbne år 2009 blev fremskrevet; på samme måde, borde af ikke-lunge-cancer dødeligheden specifikke for rygevaner (dvs. kategorier af nuværende rygere var steget risici i forhold til aldrig rygere, med tidligere ryger dødelighed interpoleret som funktion af år siden, at holde op) [15]), blev opdateret til 2009 og forventede forbi 2009. (den del af 1950-kohorten, der havde akkumuleret det angivne antal pakke-år ved en given alder er vist i figur S4 i File S1.) i NLST og PLCO retssagen, enkeltpersoner havde væsentligt lavere ikke -lung kræft dødelighed end den generelle befolkning, selv efter justering for deres rygning status. Vores brug af amerikanske befolkning anden-årsag dødelighed snarere end de lavere satser observeret i NLST eller PLCO var baseret på en antagelse om, at de “raske frivillige” effekt i forsøgene ikke ville vare ved, hvis screening for lungekræft vid udbredelse.

Standardiseret analyser

Hver model blev brugt til at simulere mænd og kvinder, der er født i 1950 fra alderen 45 (kalenderåret 1995) til død eller 90 år, under 576 programmer og 2 referencescenarier (en ingen screening scenario og et scenario med højst 3 skærme, tabel 2). Screeningsprogrammer varieres efter fem kriterier: alder at begynde screening (45, 50, 55, 60); alder at stoppe screening (75, 80, 85); rasterfrekvens (hver 1, 2 eller 3 år); mindste antal pakker per år af cigaret eksponering (10, 20, 30, 40); og (for tidligere rygere) maksimale år siden, at holde op (10, 15, 20, 25). Vi henviser til programmer ved hjælp forkortelse for Hyppighed (A, årlige, B, toårig, eller T, treårige), Start Age – Stop Alder – Minimum Pack-år – Maximum Years Siden Afslut. For eksempel A55-75-30-15 repræsenterer starter screening i en alder af 55 år og slutter screening i en alder 75, til personer med et minimum rygning historie 30 pack-år, og en maksimal år siden at holde op på 15 år. Dette program, som vi kalder “NLST berettigelse« svarer til NLST design, bortset fra at screening var ikke begrænset til 3 screeninger (højst 21 skærme er muligt fra aldre 55-75).

Som individer alder, deres samlede pakke-år eller år siden, holde op kan ændre. I denne analyse modellerne vurderede berettigelse årligt; skal screenes ved en bestemt alder inden den adgangsgivende aldersgruppe, en person også skulle opfylde

både

pack-år og årene-siden-slutte kriterier. Således lettere rygere kan ikke begynde screening i starten alder og tidligere rygere kan ophøre screening forud for stop alder.

Alle simulationer blev udført under antagelse idealiseret, perfekte screening tilslutning til støtteberettigede individer og rygestop blev antaget at være upåvirket ved screening resultater.

for toårige og treårige programmer, hyppigheden af ​​screening eksamener blev ændret samtidig bevare hver modellens naturhistoriske parametre, som simulerer den underliggende sygdomsprogression.

Model M genereret en andet sæt resultater, der tilføjede operative kandidatur (dvs. sunde nok til kurativ kirurgi) som udvælgelseskriterium for screening og reducerede satser for operativ kandidatur i ældre patienter (del A i File S1) [16].

Outcome Metrics

for hvert program, hver model genererede tællinger af screening eksamener og lungekræft dødsfald undgås i forhold til ingen screening, separat for mænd og kvinder. Alle arrangementer er “per person i befolkningen” snarere end “per person screenet ‘, fordi programmer definerer berettigelse baseret på rygevaner kan screene

lignende proportioner

af befolkningen, men skærmen

uens mennesker

, selv for identisk start og stop aldre. Tællinger af screening eksamener udelukket opfølgning og tilfældige CT eksamener. Tællinger af dødsfald undgås pr screening scenario blev udtrykt som andelen af ​​de (inden-model) maksimalt mulige dødsfald undgås fra nogen af ​​screeningsprogrammer evalueret.

I denne analyse, vi søgte formelt repræsentere kompromiser mellem maksimering fordelene (her, lungekræft dødsfald undgås) tilfalder en bestemt screeningsprogram samtidig minimere de skader (her, antallet af screening eksamener der kræves for at undgå lungekræft dødsfald). En måde at sammenligne alternative programmer, der repræsenterer forskellige kompromiser er at generere en “effektivitet grænse”. Hver model genereret effektivitet grænser for hvert køn, der forbandt de screeningsprogrammer, der forhindrede de fleste dødsfald for hver mulig værdi af antallet af CT-skærme. (Bemærk, at vores definition af effektivitet ikke svarer til at identificere den laveste andel af skærme pr død undgås. Som screening intensiteten, at antallet af skærmbilleder pr død undgås vil stige, men blandt programmer med lignende antal skærme, nogle [den mest effektive ] vil forhindre flere dødsfald.) for hver modellens resultater, genereret vi en rang score (decil af afstand [17] fra modellens grænse) for hvert program ikke er på grænsen (del B i File S1). Programmer på eller nærmest grænsen (første tre deciler) som forudsagt af mindst 3 modeller blev identificeret for mænd og kvinder hver for sig. Programmer, der var i både mandlige og kvindelige lister blev defineret som konsensus-programmer.

For hvert konsensus program, vi kombineret tællinger per 100.000 personer fra mænd og kvinder og beregnet den gennemsnitlige forudsagte tællinger af lungekræfttilfælde, lungekræft dødsfald , leveår og screening CT eksamener udført. Vi beregnede procent af kohorten modtager mindst en screening eksamen, og antallet af personer, der nogensinde er screenet pr lungekræft død undgås (number needed to skærmen, NNS).

En sekundær sæt konsensus programmer, for hvilke fordel (dvs. y-aksen) blev målt som leveår gemt (med x-aksen resterende tællinger af CT-skærme) blev også identificeret, ved hjælp af identiske trin som ovenfor.

Resultater

Brug berettigelse kriterier som dem i NLST, hverken 3 årlige skærme (A62-64-30-15) eller 21 årlige skærme (A55-75-30-15) vises på grænsen for enhver model (figur 1 og figur S7 i File S1). Der var variation blandt de modeller med hensyn til virkningerne af rygning kriterier afstand fra grænsen, men konsensus var klart med hensyn til alder: sammenlignet med A55-75-30-15, alle modeller placeret A55-85-30-15 tættere på (eller på) den grænse, hvilket indikerer, at fortsat screening til ældre aldersgrupper var mere effektiv end at stoppe i en alder af 75. Omvendt indlede screening på yngre aldersgrupper (A45-75-30-15) blev længere væk fra grænsen (mindre effektiv). Mindre hyppige (B55-75-30-15) skærme leveres færre fordele, som gjorde at øge den mindste pakke-år (A55-75-40-15). Den mest intensive årlige program (A45-85-10-25) var øverst til højre på grænsen for alle modeller.

Lodret akse normaliseret, således at 1,0 repræsenterer inden-model forudsigelse af lungekræft dødsfald undgås med mest intensive screeningsprogram (A45-85-10-25); værdier ikke direkte tolkes som en hazard ratio. I forhold til den årlige screening af personer i alderen 55-74 med mindst 30 pack-års cigaretrygning og der holder op med i de sidste 15 år (reference, x) et program for fortsat årlig screening for støtteberettigede personer i alderen op til 85 (+) var tættere på effektivitet grænse. Resultater fra én model vist; se figur S7 i File S1 for resultater fra alle fem modeller.

Vi identificerede 120 konsensus programmer. Af disse 119 havde en standsning alder på 80 eller 85 (figur 2, tabel S2 i File S1, og fig S8 i File S1). På tværs af de 120 konsensus programmer, den gennemsnitlige starten alder (54,8 y) og de gennemsnitlige minimale pack-år (27,1) var tæt på de NLST kriterier, men de gennemsnitlige maksimale år siden quit var højere (19,9 y). For alle modeller (figur 3), de 120 konsensus programmer er tæt på modellens egen grænse.

Lodret akse normaliseret som i Figur 1. Konsensus programmer var 120 (ud af 576 evalueret, se tabel 2), som fem modeller rangeret som mest effektive. Kun en enkelt consenus strategi (enkelt appelsin +) havde et stop alder af 75. De resterende konsensus strategier fortsatte screening af personer, der opfylder kriterierne rygning berettigelse til aldre 80 (aqua) eller 85 (lilla). Årlig screening (trekanter) forudsat større fordele (dvs. afværget flere lungekræft dødsfald) end treårige (+) eller hvert andet år (firkanter). Resultater fra én model vist; se figur S8 i File S1 for resultater fra alle fem modeller.

Vist er effektivitet grænser for alle 5-modeller, med de 120 konsensus programmer markeret. Alle lodrette akser er normaliseret til inden-model forudsigelser, som i figur 1 og 2.

Resultater fra en udvalgt delmængde af 41 (hver tredje, sorteret efter procent nogensinde screenet) konsensus programmer leveres i tabel 3 (gennemsnit og SD af resultater fra de fem modeller). Mellem 11% og 40% af kohorten blev screenet, kræver mellem 43.000 til over 920.000 CT skærme per 100.000 personer (tabel 3). Modellerne forudsagde et gennemsnit på 3.719 lungekræft dødsfald per 100.000 i ingen screening scenario (SD 820,43; Figur S6 i File S1). Per 100.000 personer, vil de 41 konsensus programmer undgå mellem 153 og 846 lungekræft dødsfald og spare mellem 1.883 og 9.851 år af livet, i forhold til ingen screening, og den gennemsnitlige forudsagte NNS varierede fra 34,5 til 94,2.

Baseret på resultater fra en model (M), reducere andelen af ​​ældre personer screenede (på grund af manglende valgbarhed til kirurgisk resektion) resulterede i færre CT skærme og færre lunge kræftdødsfald undgås (13,3% og 14,8%, henholdsvis på tværs af konsensus programmer), men programmer, udvidet screening for aldre 80 og 85 forblev på effektiviteten grænse (Figur S9 i File S1).

Når fordelen ved screeningen blev målt som leveår gemt snarere end lungekræft dødsfald undgås, det andet sæt af konsensus effektive programmer havde yngre gennemsnitlig start og stoppe aldre (49,5 y og 80,9 y, henholdsvis), men lignende gennemsnitlige minimale pack-år og maksimum år siden quit (tabel S3 i File S1).

diskussion

Fem uafhængige modeller rangeret 576 lungekræft screeningsprogrammer ved vejning en metrisk af deres potentielle fordele (lungekræft dødsfald undgås) mod et mål af skader eller ressourceforbrug (tæller af CT screening eksamener) i USA kohorte født i 1950. modellerne var tidligere blevet kalibreret til flere endpoints i NLST,

12, men heterogenitet i de underliggende model strukturer og antagelser gav heterogene forudsigelser for absolutte antal af lungekræft dødsfald undgås, når ekstrapolering ud over forsøgsdata. Et centralt fund af vores analyse var, at trods forskelle i absolutte fordele på tværs af modellerne, rækkefølgen af ​​programmer var konsistent; mens der tegner sig for den heterogenitet i modelforudsigelser, var vi i stand til at identificere et sæt af konsensus effektive programmer. Årlig screening med berettigelse baseret på NLST kriterier (begynder ved 55 år, fortsætter med at alderen 75 for nuværende og tidligere rygere med mindst 30 pack-år og mindre end 15 år siden, at holde op) var ikke blandt de programmer på en effektiv grænse enhver de fem modeller. Resultater fra alle modeller viste, at programmer, der udvidede screening alder over 75 forhindret flere lungekræft dødsfald for relativt få ekstra skærme. Bemærk, at i vores modellering, indstilling alder for et program var det sidste skærmbillede for eventuelle personer, der stadig mødte rygning cutoffs, og

ikke

det sidste år at blive inviteret til at begynde et screeningsprogram. I NLST som havde en øvre berettigelse alder af 74 år, personer var lige så gammel som (77 eller, sjældent, 78) ved den tredje skærm. Vores konklusion om, at programmer, der screenet støtteberettigede individer forløbne alder 75 år var effektive var uændret, når flere ældre patienter var berettiget til screening på grund af co-morbiditet der kategoriseres dem som ikke-operative kandidater (baseret på resultater fra en model) eller når leveår sparet blev erstattet til måling af fordelen. Mens der i andre kræftformer (f.eks bryst og tyk-) screening er generelt ikke anbefales ud over alder 75 og generelt ikke anbefales hvert år, i lungekræft årlig screening for ældre aldersgrupper kan være gavnlig, fordi: (1) den aldersspecifikke incidens kurve for lungekræft er ganske stejl, og (2) den høje dødelighed af sygdommen gør tidlig påvisning umagen værd, selv blandt personer med en noget beskeden levealder. Det er også vigtigt at bemærke, at havde vi defineret leveår sparet (i stedet for lungekræft dødsfald undgås) som mål for fordel, kunne man logisk forudsige, at strategier med yngre stop aldre ville være mere tilbøjelige til at dukke op som “konsensus effektive”.

Vores forudsagt NNS for A55-80-30-15 varierede tværs modeller, der spænder fra 19,8 (Model F) til 100,5 (Model M), men alle blev nedenfor offentliggjorte estimater af NNS for kun 3 skærme af (256) [18] og tættere på offentliggjorte NNS for mammografi (95) eller FOBT (ca. 130) for sunde årige 50 [19].

for konsensus programmer med screening indtil alderen 80, mellem 11% (for mindst hyppige programmer med strengeste berettigelse, f.eks T60-75-40-10) og 40% (for de årlige programmer med mere inkluderende berettigelse, f.eks A45-80-10-25) af kohorten født i 1950 ville blive screenet på mindst én gang efter alder 45. Selv om det ikke direkte sammenlignelige med tidligere skøn, at 6% (8,7 millioner mennesker) af amerikanske voksne over 40 ville opfylde cutoffs for lungekræft screening hvert år [20] NLST støtteberettigelse, [21], vores estimat på 11 % af individer forekommer rimeligt.

Vi identificerede en række konsensus effektive programmer snarere end en enkelt optimale strategi, fordi effektivitet grænser ikke identificere en konsensus fleksion punkt, hvor yderligere skærme leveres aftagende fordele. De mindst intensive programmer på nederst til venstre i grænserne (figur 2) kan være mindre attraktivt, men da årlig screening konsekvent forhindrede flere lungekræft dødsfald end gjorde treårige eller toårige programmer. De mest intensive screeningsprogrammer, på den anden side, vil føre til mere akkumulerede skader (stråling fra yderligere billeddiagnostiske undersøgelser, overdiagnostik, invasive biopsier) og omkostninger.

Screening programmer kan ikke vurderes isoleret fra den opfølgning -up algoritme. I NLST, et gennemsnit på 24% af personer i en given runde af screening (CT arm) havde resultater, der kræver nogle opfølgning, men retssagen angav ikke en opfølgning regime, efterlader åbne spørgsmålet om den optimale regime for personer med positive skærme, hvoraf de fleste er sunde [4], [22]. I modeller (E, F, U), der brugte implicitte opfølgende algoritmer baseret på erfaringerne fra deltagerne i NLST, ekstrapolere hastigheden af ​​opfølgningen mindre hyppige screeningsprogrammer var afhængig af den antagelse, at satserne for opfølgning eksamener og tidlig påvisning af lungekræft (defineret i NLST og modeller E, F, og U som “screen-detekteret” selv om først set på en opfølgende eksamen) ville ikke ændre sig. I modellerne (M, S), der eksplicit modelleret opfølgende programmer baseret på størrelse, kunne opfølgende eksamener ændre timingen af ​​påvisning af en lungekræft, men de anvendte forudsætninger her for hyppigheden af ​​opfølgende billeddiagnostik kan ikke være repræsentativ af eventuelle praksis mønstre.

Flere begrænsninger af vores analyse er vigtigt at bemærke. Modellerne ikke simulere ikke-lungekræft tilfældige fund (fx kranspulsåren forkalkning, AAA, eller andre maligne sygdomme), så vores resultater inkluderer ikke potentielle fordele (eller skader) på grund af deres diagnose og behandling. Der er kun få data til at forudsige compliance mønstre for lungekræft screening [20], [23], og mange muligheder for at modellere. Vi har udført en idealiseret analyse med det formål at informere retningslinjer og mente ikke, at enkeltpersoner vil selv-vælg for deltagelse i screening baseret på deres co-morbiditet, specifik rygning historie, eller familie historie, som observeret i screening forsøg [24], [25] . Det vil være vigtigt at overvåge, hvordan lungekræft screening er implementeret i lokalsamfundene (herunder rekruttering, deltagelse, positive skærm evalueringer, diagnose, henvisning til behandling), og modellering kan foreslå de vigtigste gearing punkter at optimere processen. Endelig beviser på sammenhængen mellem rygestop og NLST screening resultater ikke var tilgængelig i tide til vores analyser. Baseret på begrænsede data med ikke-standardiserede definitioner af “quit” [26] – [29] og PLCO Trial, som fandt ingen sammenhæng mellem CXR screeningsresultat og rygning adfærd [30], vi overtog screening påvirkede ikke baggrund ryge mønstre.

Effektive screeningsprogrammer kan være forskellige i populationer med forskellige rygning mønstre eller andet dødelighed risici end kohorten vi simulerede. For at forenkle sammenligningen af ​​hundredvis af programmer, vi udførte vores analyser i en enkelt fødselskohorte og ikke estimere samlede lungekræft dødsfald undgås i USA [31]. Vores krav om, at personer opfylder alle kriterier for støtteberettigelse (herunder år siden at holde op) var gennemsigtig og er et skridt i retning af kriterier risikobaserede screening (vores modeller tegner sig for faldende risiko for død af lungekræft og andre årsager efter at holde op), men kan afvige retningslinjer , som typisk definerer berettigelse til at begynde screening. Fremtidige analyser at undersøge programmer, der definerer berettigelse baseret på risikomodeller vil kræve, at de modeller og befolkningens input filer omfatte yderligere egenskaber (fx BMI, uddannelse), der går ud over alder og rygning eksponering [32] – [36]. Vi har ikke indarbejde stigninger i operative dødelighed efter alder, eller specielle kliniske overvejelser individuelle til en bestemt patient.

Selvom placeringerne af programmerne var konsekvent på tværs modeller, usikkerhed i absolutte tal af lungekræft dødsfald undgås (og liv år gemt) forblev på grund af variation i de underliggende antagelser om uobserverede sygdomsprocesser [37]. Bag forskellene på tværs af modeller i forudsagte absolutte fordele er en variation i det forudsagte fremtidige antal lungekræfttilfælde i fravær af screening (figur S5 i File S1). Væsentlige, vores konsortium af 5 modeller tjente som en følsomhedsanalyse af model struktur og viste, at selv når modellen heterogenitet blev specielt taget i betragtning, modellerne identificeret tilsvarende effektive programmer (dvs. den konsensus sæt).

Vores resultater fremhæve kompromiser mellem forebygge større antal lungekræft dødsfald og de ekstra screening eksamener påkrævet. Retningslinjer for screening også overveje afvejninger i gevinster i den forventede levealder og vigtige skader, herunder invasive biopsier for godartet sygdom, overdiagnostik, og lungekræft relateret til stråling fra billeddiagnostiske undersøgelser [10]. Vanskeligheder med at estimere befolkningstal virkninger af screening omfatter potentialet for samtidige rygestop programmer til at forøge fordelene ved screening, og heterogenitet af dosis stråling kan henføres til en given CT eksamen, som kunne variere så meget som 10 gange afhængigt af størrelsen af patienten, generering af scanneren, og protokollen i brug på det kliniske miljø [38]. Alle rygere, uanset om undergår screening eller ej, bør modtage ophør bistand og opmuntres til at holde op [39].

Støtte Information

File S1.

Støtte figurer og tabeller. Figur S1, Udbredelse af rygning efter alder i 1950 fødselsårgang. Oversigt over delte input data (anvendes af alle 5 modeller) på rygning mønstre for den amerikanske kohorte født i 1950. Udbredelse viste anslås i fravær af dødeligheden lungekræft. Version 1.0 af rygevaner Generator (SHG) henviser til offentliggjorte data gennem 2000 (Anderson, et al.), Og version 1.5 leverer 1950 fødselskohorten anvendt til denne analyse med data gennem 2009 og fremskrivninger forbi 2009. Figur S2, I modsat forårsage dødelighed, ved at ryge kvintil, i 1950 fødselskohorte. Disse kurver viser den anden årsag (ikke-lungekræft) dødelighed for aldrig rygere og nuværende rygere ved rygning kvintil (Q, cigaretter om dagen) for den mandlige fødselskohorte af 1950 ud til alder 99. Tidligere rygere er mellemliggende til nuværende og aldrig rygere. Der findes en tilsvarende plot for hunner. Disse blev delt input anvendes af alle modellerne. Bemærk, at satserne for ikke-lunge kræft dødelighed repræsenterer den amerikanske befolkning, ikke forsøg (NLST eller PLCO) deltagere. Figur S3, Udbredelse af rygning efter alder i 1950 fødselsårgang. Output fra en model, der viser antallet af rygere efter alder (kalenderår), i en ikke screening scenario. Andel af nuværende /tidligere /aldrig rygere er i tilstedeværelse af lungekræft dødelighed kræft samt død af alle årsager. Figur S4, Udbredelse af rygning efter alder og pakke-år i 1950 fødselskohorte. Output fra en model, der viser antallet af rygere efter kategori af pack-årene og alder. Andelen af ​​kohorten efter alder, der har samlet det angivne antal pakke-år i tilstedeværelse af lungekræft dødelighed og andre dødelighed. Figur S5, Forekomst, ingen screening scenario, output fra alle modeller. For forudsigelser tidligere observerede SEER data (over 60 år) er der ingen observerede data, men vi brugte en alder-periode-kohorte model til projekt sidste observerede år ( “Forventet” rød dobbelt linje i parceller nedenfor), som viser, at modellerne er mest afvigende efter alder 85, når SEER data bliver mest sparsomme. Vi kan ikke strengt sammenligne forekomsten som i tidligere fødselsårgange da rygning mønstre er forskellige, og forekomsten varierer fra kohorten. Figur S6, Dødelighed, ingen screening scenario, output fra alle modeller.