Differential Inequality Trends Over Time in Survival Among U.S. Children with Acute Lymphoblastic Leukemia by Race/Ethnicity, Age at Diagnosis, and Sex
Notice bibliographique
Résumé
BACKGROUND: It is unclear how inequalities in survival among children with acute lymphoblastic leukemia (ALL) have changed over time in different race/ethnicity groups. METHODS: Children diagnosed with a first primary malignant ALL at ages 0 to 19 years in 1975-2010 in the nine Surveillance, Epidemiology, and End Results cancer registries were included. Cumulative ALL mortalities were compared, and multivariable Cox regression analyses were applied to estimate ALL mortality HRs associated with race/ethnicity, age at diagnosis, and sex, adjusting for each other, within each diagnosis period (1975-1983, 1984-1991, 1992-1999, and 2000-2010). RESULTS: Compared with non-Hispanic-whites (NH-whites), the HR in non-Hispanic-blacks (NH-blacks) dropped to 1.21 [95% confidence interval (CI), 0.74-1.96] in 2000-2010 from the largest inequality in 1984-1991 (HR, 2.09; 95% CI, 1.57-2.79); the HR in Hispanics increased, however, from 1.28 (95% CI, 0.98-1.66) in 1975-1983 to 1.95 (95% CI, 1.48-2.58) in 2000-2010. Asian/Pacific Islanders (API) and American Indian/Alaska Natives (AIAN) had HRs of 1.39 (95% CI, 0.92-2.11) and 2.31 (95% CI, 1.13-4.74), respectively, in 2000-2010 with nonstatistically significant increases over time. In 2000-2010, compared with NH-white counterparts, NH-blacks and APIs diagnosed at 1-9 years, Hispanics diagnosed at 1-9 and 10-19 years, and AIANs diagnosed at 10-19 years all had about twice the ALL mortality hazard rates; inequality was observed among API boys (HR, 1.61; 95% CI, 1.00-2.60) but not API girls. CONCLUSIONS: Survival inequalities changed differently across subgroups of children with ALL. IMPACT: Underlying causes of the differential trends need to be examined, such that targeted interventions can be developed to reduce inequalities.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».