Treatment Variation by Insurance Status for Breast Cancer Patients
Notice bibliographique
Résumé
Few studies have examined the relationship of insurance status with the presentation and treatment of breast cancer. Using a state cancer registry, we compared tumor presentation and surgical treatments at presentation by insurance status (private insurance, Medicare, Medicaid, or uninsured). Student's t-test, Chi-square test, and ANOVA were used for comparison. P-values reflect a comparison to insured patients. From 1996 to 2005, there were 6876 cases of invasive breast cancer with either private (n = 3975), Medicare (n = 2592), Medicaid (n = 193), or no insurance (n = 116). The median age (years) at presentation was 55 for private, 76 for Medicare, 54 for Medicaid and 54 for uninsured. The mean and median tumor size (mm) were 18.5 and 15 for private; 20.9 and 15 for Medicare; 24.2 and 18 for Medicaid; and 29.5 and 17 for uninsured, respectively; (p < 0.001 for all). Fewer women with Medicare and Medicaid presented with node negative breast cancers: private, 73.4% node negative; Medicare, 79.5% (p < 0.001); Medicaid, 60.9% (p < 0.001); and uninsured, 58% (p = 0.005). Significantly more uninsured women had no surgical treatment of their breast cancer: 15.5% versus 4.3% for private (p < 0.001). Among women with non-metastatic T1/T2 tumors, 71.5% with private insurance underwent breast-conserving surgery (BCS), compared with 64.2% of Medicare (p < 0.001), 65% of Medicaid (p = 0.097), and 65.4% of uninsured (p = 0.234). The rate of reconstruction following mastectomy was higher for private insurance (36.6%), compared with Medicare (3.8%, p < 0.0001), Medicaid (26.1%, p = 0.31), and uninsured (5.0%, p = 0.0038). The presentation of breast cancer in women with no insurance and Medicaid is significantly worse than those with private insurance. Of concern are the lower proportions of BCS and reconstruction among patients who are uninsured or have Medicaid. Reduction of disparities in breast cancer presentation and treatment may be possible by increasing enrollment of uninsured, program-eligible women in a state-supported screening and treatment program.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».