• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Maximizing Benefits and Minimizing Harms of Lung Cancer Screening: A Teachable Moment.

作者信息

Mansoori Jason N, Little Nathaniel, Malkoski Stephen P

机构信息

Division of Pulmonary Sciences and Critical Care Medicine, Department of Medicine, University of Colorado School of Medicine, Aurora.

出版信息

JAMA Intern Med. 2017 Aug 1;177(8):1197-1198. doi: 10.1001/jamainternmed.2017.2349.

DOI:10.1001/jamainternmed.2017.2349
PMID:28628709
Abstract
摘要

相似文献

1
Maximizing Benefits and Minimizing Harms of Lung Cancer Screening: A Teachable Moment.最大化肺癌筛查的益处并最小化危害：一个可汲取经验教训的时刻。
JAMA Intern Med. 2017 Aug 1;177(8):1197-1198. doi: 10.1001/jamainternmed.2017.2349.
2
Dynamic contrast-enhanced computed tomography for the diagnosis of solitary pulmonary nodules: a systematic review and meta-analysis.动态对比增强计算机断层扫描对孤立性肺结节的诊断：系统评价和荟萃分析。
Eur Radiol. 2020 Jun;30(6):3310-3323. doi: 10.1007/s00330-020-06661-8. Epub 2020 Feb 15.
3
Pulmonary nodule characterization, including computer analysis and quantitative features.肺结节特征描述，包括计算机分析和定量特征。
J Thorac Imaging. 2015 Mar;30(2):139-56. doi: 10.1097/RTI.0000000000000137.
4
Autoantibody Signature Enhances the Positive Predictive Power of Computed Tomography and Nodule-Based Risk Models for Detection of Lung Cancer.自身抗体特征增强了计算机断层扫描和基于结节的风险模型对肺癌检测的阳性预测能力。
J Thorac Oncol. 2017 Mar;12(3):578-584. doi: 10.1016/j.jtho.2016.08.143. Epub 2016 Sep 8.
5
Imaging the solitary pulmonary nodule.孤立性肺结节的影像学表现。
Clin Chest Med. 2015 Jun;36(2):161-78, vii. doi: 10.1016/j.ccm.2015.02.003. Epub 2015 Apr 10.
6
Risk of malignancy in pulmonary nodules: A validation study of four prediction models.肺结节恶性肿瘤风险：四个预测模型的验证研究。
Lung Cancer. 2015 Jul;89(1):27-30. doi: 10.1016/j.lungcan.2015.03.018. Epub 2015 Mar 28.
7
Evaluating pulmonary nodules.评估肺结节。
J Am Coll Radiol. 2007 Jun;4(6):422-6. doi: 10.1016/j.jacr.2006.10.006.
8
Diffusion-weighted magnetic resonance for pulmonary nodules: 1.5 vs. 3 Tesla.用于肺结节的扩散加权磁共振成像：1.5特斯拉与3特斯拉的比较
Asian Cardiovasc Thorac Ann. 2011 Apr;19(2):108-14. doi: 10.1177/0218492310385152.
9
Subsolid pulmonary nodule management and lung adenocarcinoma classification: state of the art and future trends.亚实性肺结节的管理与肺腺癌分类：现状与未来趋势
Semin Roentgenol. 2013 Oct;48(4):295-307. doi: 10.1053/j.ro.2013.03.013.
10
Development and clinical application of deep learning model for lung nodules screening on CT images.深度学习模型在 CT 图像肺结节筛查中的开发与临床应用。
Sci Rep. 2020 Aug 12;10(1):13657. doi: 10.1038/s41598-020-70629-3.

引用本文的文献

1
Impact of a Hybrid Lung Cancer Screening Model on Patient Outcomes and Provider Behavior.混合肺癌筛查模式对患者结局和提供者行为的影响。
Clin Lung Cancer. 2020 Nov;21(6):e640-e646. doi: 10.1016/j.cllc.2020.05.018. Epub 2020 May 23.
2
The impact of patients' preferences on the decision of low-dose computed tomography lung cancer screening.患者偏好对低剂量计算机断层扫描肺癌筛查决策的影响。
Transl Lung Cancer Res. 2018 Sep;7(Suppl 3):S236-S238. doi: 10.21037/tlcr.2018.08.17.