Racial Disparities in Operative Outcomes After Major Cancer Surgery in the United States
Notice bibliographique
Résumé
BACKGROUND: Numerous studies have recorded racial disparities in access to care for major cancers. We investigate contemporary national disparities in the quality of perioperative surgical oncological care using a nationally representative sample of American patients and hypothesize that disparities in the quality of surgical oncological care also exists. METHODS: A retrospective, serial, and cross-sectional analysis of a nationally representative cohort of 3,024,927 patients, undergoing major surgical oncological procedures (colectomy, cystectomy, esophagectomy, gastrectomy, hysterectomy, pneumonectomy, pancreatectomy, and prostatectomy), between 1999 and 2009. RESULTS: After controlling for multiple factors (including socioeconomic status), Black patients undergoing major surgical oncological procedures were more likely to experience postoperative complications (OR: 1.24; p < 0.001), in-hospital mortality (OR: 1.24; p < 0.001), homologous blood transfusions (OR: 1.52; p < 0.001), and prolonged hospital stay (OR: 1.53; p < 0.001). Specifically, Black patients have higher rates of vascular (OR: 1.24; p < 0.001), wound (OR: 1.10; p = 0.004), gastrointestinal (OR: 1.38; p < 0.001), and infectious complications (OR: 1.29; p < 0.001). Disparities in operative outcomes were particularly remarkable for Black patients undergoing colectomy, prostatectomy, and hysterectomy. Importantly, substantial attenuation of racial disparities was noted for radical cystectomy, lung resection, and pancreatectomy relative to earlier reports. Finally, Hispanic patients experienced no disparities relative to White patients in terms of in-hospital mortality or overall postoperative complications for any of the eight procedures studied. CONCLUSIONS: Considerable racial disparities in operative outcomes exist in the United States for Black patients undergoing major surgical oncological procedures. These findings should direct future health policy efforts in the allocation of resources for the amelioration of persistent disparities in specific procedures.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».