Participant selection for lung cancer screening using primary care electronic medical records: The Catalan scenario

• Autores: Mercè Marzo Castillejo, Joan Josep Mascort Roca, Albert Brau Tarrida, Lucia A. Carrasco Ribelles, Mónica Monteagudo Zaragoza, Carolina Guiriguet Capdevila, Josep Alfons Espinàs, Olivia Cabrera Godoy, Josep Maria Borràs Andrés
• Localización: Atención primaria: Publicación oficial de la Sociedad Española de Familia y Comunitaria, ISSN 0212-6567, Vol. 58, Nº. 1, 2026
• Idioma: inglés
• DOI: 10.1016/j.aprim.2025.103363
• Títulos paralelos:
  • Selección de participantes para el cribado del cáncer de pulmón mediante las historias clínicas de atención primaria: el escenario catalán
• Enlaces
  • Texto completo
• Resumen
  • español

    Objetivo: Evaluar la viabilidad de utilizar las historias clínicas electrónicas (HCE) de atención primaria y el modelo de predicción de riesgo de cáncer de pulmón (CP) PLCOm2012noRace para identificar individuos de alto riesgo en la población.

    Diseño: Estudio de cohortes de base poblacional.

    Emplazamiento: Cataluña, utilizando datos del Sistema de Información para el Desarrollo de la Investigación en Atención Primaria (SIDIAP), que cubre aproximadamente el 80% de la población.

    Participantes: Se consideraron 1.998.282 individuos de entre 55 y 79 años (2012-2023). Tras aplicar los criterios de inclusión y exclusión, se incluyeron 24.294 individuos con historia completa de tabaquismo.

    Intervenciones: Estimación del riesgo de CP mediante el modelo PLCOm2012noRace.

    Mediciones principales: Variables: edad, antecedentes de tabaquismo, índice de masa corporal, nivel educativo, enfermedad pulmonar obstructiva crónica, antecedentes personales de cáncer y antecedentes familiares de CP. Se utilizó un umbral de riesgo a 6 años ≥2,6%.

    Resultados: El 18,6% de individuos superaron el umbral de riesgo, más en varones (21,4%) entre 60 y 79 años (23,8%). Los fumadores actuales presentaron el mayor riesgo (25,7%), que disminuía con el tiempo desde el abandono del hábito. Se identificaría los individuos de alto riesgo una media de 4,29 años antes.

    Conclusiones: El uso de las HCE y el modelo PLCOm2012noRace es factible para identificar los individuos con alto riesgo de CP. La falta o desactualización de datos, especialmente sobre la intensidad del tabaquismo, puede limitar el rendimiento predictivo. Una recolección de datos sistemática y oportuna apoyaría estrategias de cribado basadas en el riesgo.

  • English

    Objective: To assess the feasibility of using primary care electronic health records (EHRs) and the PLCOm2012noRace lung cancer (LC) risk prediction model to identify high-risk individuals in the Catalan population.

    Design: Population-based cohort study.

    Site: Catalonia, using data from the Information System for the Improvement of Research in Primary Care (SIDIAP), which covers approximately 80% of the population.

    Participants: A total of 1,998,282 individuals aged 55–79 years were initially considered, with data spanning from 2012 to 2023. After applying inclusion and exclusion criteria based on smoking status, 24,294 individuals with complete smoking history were included.

    Interventions: Estimation of LC risk using the PLCOm2012noRace model.

    Main measurements: Variables: age, smoking history, body mass index, educational level, chronic obstructive pulmonary disease, personal history of cancer, and family history of LC. A 6-year risk threshold of ≥2.6% was used to define eligibility for LC screening.

    Results: Overall, 18.6% of individuals exceeded the risk threshold, with higher prevalence in men (21.4%) and those aged 60–79 years (23.8%). Current smokers had the highest risk (25.7%), which decreased with time since quitting. On average, high-risk individuals could have been identified 4.29 years before.

    Conclusions: The use of EHRs and the PLCOm2012noRace model is a feasible approach to identify individuals at high risk of LC in the Catalan population. However, missing or outdated data, especially regarding smoking intensity, may limit the predictive performance. These findings highlight the need for systematic and timely data collection to support effective risk-based screening.