Return to work in low‐income Latina and non‐Latina white breast cancer survivors: A 3‐year longitudinal study
Notice bibliographique
Résumé
BACKGROUND: Previous research has found an 80% return-to-work rate in mid-income white breast cancer survivors, but little is known about the employment trajectory of low-income minorities or whites. We set out to compare the trajectories of low-income Latina and non-Latina white survivors and to identify correlates of employment status. METHODS: Participants were low-income women who had localized breast cancer, spoke English or Spanish, and were employed at the time of diagnosis. Interviews were conducted 6, 18, and 36 months after diagnosis. Multivariate logistic regression was used to identify independent correlates of employment status at 18 months. RESULTS: Of 290 participants, 62% were Latina. Latinas were less likely than non-Latina whites to be working 6 months (27% vs 49%; P = .0002) and 18 months (45% vs 59%; P = .02) after diagnosis, but at 36 months there was no significant difference (53% vs 59%; P = .29). Latinas were more likely to be manual laborers than were non-Latina whites (P < .0001). Baseline job type and receipt of axillary node dissection were associated with employment status among Latinas but not non-Latina whites. CONCLUSIONS: Neither low-income Latinas nor non-Latina whites approached the 80% rate of return to work seen in wealthier white populations. Latinas followed a protracted return-to-work trajectory compared to non-Latina whites, and differences in job type appear to have played an important role. Manual laborers may be disproportionately impacted by surgical procedures that limit physical activity. This can inform the development of rehabilitative interventions and may have important implications for the surgical and postsurgical management of patients.
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) | 0,001 | 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 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 ».