Rural‐urban disparities in incidence and outcomes of neuroendocrine tumors: A population‐based analysis of 6271 cases
Notice bibliographique
Résumé
BACKGROUND: Despite their rising incidence, neuroendocrine tumors (NETs) remain a poorly understood disease. Living in a rural area (RA) affects the incidence and outcomes of other types of cancer. This study compared the incidence and outcomes of NETs for patients in RAs and patients in urban areas (UAs). METHODS: A population-based cohort study of patients with NETs in Ontario, Canada from 1994 to 2011 was conducted. An RA was defined as any community with a population < 10,000 and outside the commuting zone of a metropolitan area. Incidence, advanced stage at presentation, distant recurrence-free survival (dRFS), and overall survival (OS) were compared between patients who lived in RAs and patients who lived in UAs with univariate and multivariate regression analyses. RESULTS: The cohort included 6271 patients diagnosed with NETs, of whom 13.5% (n = 846) resided in RAs. The incidence of NETs was higher in RAs at 3.01 per 100,000 per year versus UAs at 2.82 per 100,000 per year (relative rate, 1.10; P = .04). RA living was not associated with an advanced stage at presentation (odds ratio, 1.15; 95% confidence interval, 0.96-1.38). Patients who lived in RAs had worse 10-year dRFS (62.8% vs 65.9%, P = .03) and OS (44.6% vs 48.8%, P = .004). RAs were independently associated with decreased OS (hazard ratio, 1.16; 95% confidence interval, 1.04-1.30). CONCLUSIONS: Patients are more commonly diagnosed with NETs in RAs, but they do not present at more advanced stages in comparison with patients diagnosed in UAs. Patients living in RAs experience worse cancer recurrence and OS, and this is possibly related to variations in socioeconomic status, rural environmental factors, and access to specialized health care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».