日本語AIでPubMedを検索
腎臓がんのリスク予測モデル。系統的レビュー
Risk Prediction Models for Kidney Cancer: A Systematic Review.
PMID: 32680829 DOI: 10.1016/j.euf.2020.06.024.
抄録
文部科学省:
腎がんの早期発見は生存率を向上させるが、有病率が低いため、集団全体のスクリーニングは非効率的である可能性がある。集団をリスクカテゴリーに層別化することで、個人に合わせたスクリーニングプログラムの導入が可能になる可能性がある。
CONTEXT: Early detection of kidney cancer improves survival; however, low prevalence means that population-wide screening may be inefficient. Stratification of the population into risk categories could allow for the introduction of a screening programme tailored to individuals.
目的:
このレビューでは、一般集団における腎がん発症リスクを予測する公表されているモデルを同定し、比較する。
OBJECTIVE: This review will identify and compare published models that predict the risk of developing kidney cancer in the general population.
証拠収集:
検索により、MedlineおよびEMBASEで腎臓がんのリスクを予測するモデルを報告または検証している一次研究が同定された。特定された研究をスクリーニングして対象とした後、データを標準化されたフォームに抽出した。リスクモデルは、TRIPOD（Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis）ガイドラインを用いて分類し、PROBAST評価ツールを用いて評価した。
EVIDENCE ACQUISITION: A search identified primary research reporting or validating models predicting the risk of kidney cancer in Medline and EMBASE. After screening identified studies for inclusion, we extracted data onto a standardised form. The risk models were classified using the Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis (TRIPOD) guidelines and evaluated using the PROBAST assessment tool.
証拠の構文:
検索により 15 281 件の論文が同定された。62件が包含基準を満たしており、11のモデルについてパフォーマンス指標が提供された。いくつかのモデルは未診断の有病率のリスクを予測し、他のモデルは将来の偶発症のリスクを予測していた。モデルのうち6つは妥当性が確認されており、2つは外部集団を用いたものであった。最も一般的に含まれていた危険因子は、年齢、喫煙状況、肥満度指数であった。ほとんどのモデルは、開発および検証において、許容できるか良好な識別性（受信機動作曲線下面積＞0.7）を有していた。また、多くのモデルは高い特異性を有していたが、いくつかのモデルは感度が低かった。最も高い性能を示したのは、腎臓がんを検出するためのバイオマーカーのみを用いたモデルであったが、これらのモデルは小規模な症例対照研究で開発され、検証されたものであった。
EVIDENCE SYNTHESIS: The search identified 15 281 articles. Sixty-two satisfied the inclusion criteria; performance measures were provided for 11 models. Some models predicted the risk of prevalent undiagnosed disease and others future incident disease. Six of the models had been validated, two using external populations. The most commonly included risk factors were age, smoking status, and body mass index. Most of the models had acceptable-to-good discrimination (area under the receiver-operating curve >0.7) in development and validation. Many models also had high specificity; however, several had low sensitivity. The highest performance was seen for the models using only biomarkers to detect kidney cancer; however, these were developed and validated in small case-control studies.
結論:
腎がんのリスクに応じて集団を層別化するために使用できる少数のリスクモデルを同定した。ほとんどのモデルは妥当な差別性を示しているが、少数のモデルは集団ベースの研究で外部的に検証されている。患者の概要：このレビューでは、個人の腎臓がん発症の可能性を予測する数学的モデルを調べた。年齢や喫煙などのさまざまな危険因子を用いて、個人のリスクを予測するのに適したモデルがいくつか見つかった。特定されたモデルのほとんどは、その有用性を確認するために一般集団でのさらなる検証が必要である。
CONCLUSIONS: We identified a small number of risk models that could be used to stratify the population according to the risk of kidney cancer. Most exhibit reasonable discrimination, but a few have been validated externally in population-based studies. PATIENT SUMMARY: n this review, we looked at mathematical models predicting the likelihood of an individual developing kidney cancer. We found several suitable models, using a range of risk factors (such as age and smoking) to predict the risk for individuals. Most of the models identified require further testing in the general population to confirm their usefulness.
Copyright © 2020. Published by Elsevier B.V.