在2020年USPSTF肺癌筛查指南草案中使用预测模型减少持续的种族/民族差异( Using Prediction-Models to Reduce Persistent Racial/Ethnic Disparities in Draft 2020 USPSTF Lung-Cancer Screening Guidelines )

R Landy CD Young M Skarzynski CC Li HA Katki lung cancer screening precision prevention health disparities risk models

我们审查了与2013年指南相比，2020年美国预防服务工作队(USPSTF)肺癌筛查建议草案是否“部分改善了筛查资格方面的种族差异”，正如所声称的那样。使用2015年国家健康采访调查的数据，USPSTF-2020将少数民族（97.1%）和白人（78.3%）的资格提高了类似的比例。与USPSTF-2020的意图相反，相对差异（符合条件的白人与少数民族的国家肺部筛查试验样筛查的模型估计可收益寿命年百分比差异）实际上从USPSTF-2013增加到USPSTF-2020（非裔美国人:48.3%-33.4%=15.0%到64.5%-48.5%=16.0%；亚裔美国人:48.3%-35.6%=12.7%到64.5%-45.2%=19.3%；西班牙裔美国人:48.3%-24.8%=23.5%到64.5%-37.0%=27.5%)。然而，通过计算机断层扫描（LYFS-CT）模型筛选生命年选择的高效益个体来增强USPSTF-2020，几乎消除了非洲裔美国人的差异(76.8%-75.5%=1.2%)，并提高了亚洲/西班牙裔美国人的筛查效率，尽管差异仅略有减少（西班牙裔美国人）或不变（亚裔美国人）。与2013年相比，USPSTF-2020年准则草案增加了合格少数群体的数量，但可能无意中增加了种族/族裔差异。LYFS-CT可以通过识别预测受益高的不合格人群来减少筛选资格方面的差异，而不考虑种族/族裔。

SciDown文献求助系统（解决99%问题） Public Download academic.oup.com ResearchGate