Asian and non‐Asian disparities in outcomes of non‐nasopharyngeal head and neck cancer
Notice bibliographique
Résumé
OBJECTIVES/HYPOTHESIS: To evaluate disparities in overall survival (OS) between Asian and non-Asian patients diagnosed with non-nasopharyngeal head and neck cancer (HNC). STUDY DESIGN: This was a population-based, retrospective study of patients diagnosed with non-nasopharyngeal HNC of squamous cell carcinoma histology between 2001 and 2010 in British Columbia, Canada. METHODS: Using Kaplan-Meier methods and Cox regression models, we examined the relationship between race and OS. RESULTS: A total of 3,036 patients were included in the study. Median age was 64 years, 74% were men, and 7% were Asians. Asians had worse Eastern Cooperative Oncology Group (ECOG) status (29% vs. 23%, P = .07) and larger tumors (33% vs. 21%, P = .02), and were more likely to be diagnosed with oral cavity cancers (38% vs. 25%, P < .001) than non-Asians. Asians were also less likely to receive multimodality therapy than non-Asians (90% vs. 95%, P = .02). Asians were more likely to have never smoked (49% vs. 15%, P < .001) and to be married or with a partner (80% vs. 69%, P = .02). Multivariate models showed that Asians had better OS than non-Asians (hazard ratio [HR] = 0.50, 95% confidence interval [CI] = 0.25-0.99, P = .05). Three-year OS did not differ significantly between Asians and non-Asians (41% vs. 42%, P = .18); however, 5-year OS did (22% vs. 19% P = .03). Stratifying by treatment type, outcomes were comparable in both groups except for radiotherapy alone, where Asians showed significantly better OS (HR = 0.71, 95% CI = 0.51-0.99, P = .04). Advanced age, worse ECOG, greater tumor size, and lack of treatment also correlated with inferior OS. CONCLUSIONS: Despite several worse prognostic features and less aggressive treatment, Asians tended to exhibit better OS than non-Asians. LEVEL OF EVIDENCE: 2c. Laryngoscope, 127:2528-2533, 2017.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,002 | 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 ».