Racial disparities and socioeconomic status in men diagnosed with testicular germ cell tumors
Notice bibliographique
Résumé
BACKGROUND: Previous reports indicated that African-American men with testicular germ cell tumors (TGCTs) have more aggressive tumor characteristics and less favorable outcomes than other men. The authors of this report evaluated the effects of race and socioeconomic status (SES) on stage distribution, overall mortality (OM), and cancer-specific mortality (CSM) in men with TGCTs. METHODS: The Surveillance, Epidemiology, and End Results (SEER) database was used to identify 22,553 men who were diagnosed with TGCTs between 1988 and 2006. Kaplan-Meier and Cox regression analyses were generated to predict OM and CSM. Covariates of the analyses included race, SES, age, histologic subtype, disease stage, procedure type, SEER registry, and year of diagnosis. The interaction between race and SES also was examined. RESULTS: Overall, there were 516 African-American men, 21,090 Caucasian men, and 947 men of other races. African-Americans (14.9%) and individuals with low SES (10.7%) had a higher proportion of distant stage disease. CSM and OM rates were significantly higher for African-American patients and for patients who resided in low SES counties. Multivariate analyses revealed that African-American men and men with low SES were more likely to die of OM and CSM relative to Caucasian men (P < .001) and men with high SES (P < .001), respectively. The interaction between race and SES was not significant. CONCLUSIONS: African-American race and low SES appeared to predispose men to more advanced disease stages and to higher OM and CSM rates. These observations may warrant race-specific and/or SES-specific adjustments in the treatment of TGCT.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».