Assessment of mediators of racial disparities in cervical cancer survival in the <scp>U</scp>nited <scp>S</scp>tates
Notice bibliographique
Résumé
Cervical cancer (CC) morbidity and mortality have decreased in the United States, but they remain high among black women. We assessed racial disparities in CC mortality, accounting for socioeconomic status (SES). We linked data from the 1988 to 2007 Surveillance Epidemiology and End Results (SEER) database to the US Census. Additional SES information was obtained through linkage with Area Resource Files. We used the Kaplan-Meier method for estimating probabilities following CC diagnosis and Cox proportional hazards regression to estimate hazard ratios (HRs) and 95% confidence intervals (CIs) for CC mortality by race. The models were incrementally adjusted for marital status, registry, period, stage, age at diagnosis, histology, treatment, household income, poverty and unemployment rates. We stratified the analyses by disease stage and American state. A total of 44,554 women with CC were identified. Compared to white women, black women had a higher risk of dying from CC; crude and adjusted HRs were 1.41 (CI: 1.34-1.48) and 1.09 (CI: 1.03-1.15), respectively. Corresponding estimates for Hispanic women were 0.85 (CI: 0.80-0.89) and 0.75 (CI: 0.71-0.80). Black women diagnosed at late disease stages had a higher risk of CC death, whereas Hispanic women diagnosed at early and late stages had significantly lower risks. Black CC patients in California experienced poorer survival relative to white women. Conversely, longer CC survival was seen among Hispanic women in California, Georgia and Utah. While crude estimates indicated an increased CC death risk among black women, risks diminished upon adjustment for clinical and sociodemographic characteristics.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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 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 ».