Racial/ethnic disparities in breast and gynecologic cancer treatment and outcomes
Notice bibliographique
Résumé
PURPOSE OF REVIEW: To review recent research in racial/ethnic disparities in breast and gynecologic cancers, focusing on disparities occurring postdiagnosis. RECENT FINDINGS: Mortality statistics show that of the cancers under study, breast cancer has the greatest impact, and of racial/ethnic groups, African Americans suffer the greatest disparities, with highest mortality rates for breast, uterine and cervical cancers, and second highest for ovarian cancer. Recent studies demonstrated that black breast cancer patients suffer more underuse of appropriate adjuvant therapy, and greater delays in diagnosis and institution of treatments, and blacks and Hispanics suffered greater postsurgical pain and symptomatology. Data indicate that the biology of some breast cancers in blacks is unique and more aggressive. One study demonstrated that more black breast cancer patients died of nonbreast cancer causes and that excessive comorbidity in blacks explained substantial amounts of survival disparity. Research is beginning to identify important disparities in nonblack minority racial/ethnic groups, including Hispanics and South Asian Americans. SUMMARY: Research is continuing to identify and explain an important group of disparities - African American disparities in breast cancer outcomes. Disparities in other minority racial/ethnic groups, and in ovarian, uterine and cervical cancers, are at an emerging stage. Continuing efforts at all fronts are needed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| 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 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 ».