Race and Socioeconomic Status Influence Outcomes of Unrelated Donor Hematopoietic Cell Transplantation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Success of hematopoietic cell transplantation (HCT) can vary by race, but the impact of socioeconomic status (SES) is not known. To evaluate the role of race and SES, we studied 6207 unrelated-donor myeloablative (MA) HCT recipients transplanted between 1995 and 2004 for acute or chronic leukemia or myelodysplastic syndrome (MDS). Patients were reported by transplant center to be White (n = 5253), African American (n = 368), Asian/Pacific-Islander (n = 141), or Hispanic (n = 445). Patient income was estimated from residential zip code at time of HCT. Cox regression analysis adjusting for other significant factors showed that African American (but not Asian or Hispanic) recipients had worse overall survival (OS) (relative-risk [RR] 1.47; 95% confidence interval [CI] 1.29-1.68, P < .001) compared to Whites. Treatment-related mortality (TRM) was higher in African Americans (RR 1.56; 95% CI 1.34-1.83, P < .001) and in Hispanics (RR 1.30; 95% CI 1.11-1.51, P = .001). Across all racial groups, patients with median incomes in the lowest quartile (<$34,700) had worse OS (RR 1.15; 95% CI 1.04-1.26, P = .005) and higher risks of TRM (RR 1.21; 1.07-1.36, P = .002). Inferior outcomes among African Americans are not fully explained by transplant-related factors or SES. Potential other mechanisms such as genetic polymorphisms that have an impact on drug metabolism or unmeasured comorbidities, socioeconomic factors, and health behaviors may be important. Low SES, regardless of race, has a negative impact on unrelated donor HCT outcomes.
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.
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 découle