Urban and rural differences in outcomes of head and neck cancer
Notice bibliographique
Résumé
OBJECTIVES/HYPOTHESIS: To assess for potential urban and rural disparities in head and neck cancer (HNC) outcomes within a single-payer healthcare system. STUDY DESIGN: A large retrospective population-based cohort analysis of consecutive HNC patients treated in British Columbia, Canada between 2001 and 2010 was conducted. METHODS: All patients diagnosed with HNC from 2001 to 2010 and referred to any one of five British Columbia Cancer Agency centers for management were reviewed. Based on census data, patients were classified into: 1) rural, 2) small urban, 3) moderate urban, and 4) large urban areas. Kaplan-Meier methods and Cox regression models were used to correlate site of residence with overall survival (OS), controlling for prognostic factors that included sociodemographic and other tumor and treatment-related characteristics. RESULTS: We identified 3,036 patients; the median age was 64 years, 26% were women, and 32% had Eastern Cooperative Oncology Group (ECOG) 0 or 1. The majority resided in large urban areas (55%) followed by rural (22%), moderate urban (13%), and small urban (10%). In regression analyses, smoking (hazard ratio [HR]: 2.10, 95% confidence interval [CI]: 1.28-3.45, P < .001), ECOG 2 + (HR: 3.44, 95% CI: 2.26-5.22, P < .001), oral cavity (HR: 1.54, 95% CI: 1.03-2.32, P = .04) and hypopharyngeal tumors (HR: 2.31, 95% CI: 1.42-3.77, P = .00), and large tumor size (HR: 1.69, 95% CI: 1.08-2.64, P = .02) were correlated with inferior OS, but site of residence was not. When stratified by type of treatment, OS remained similar irrespective of urban or rural residence. CONCLUSIONS: Urban-rural differences in HNC survival outcomes were not observed. LEVEL OF EVIDENCE: 2c. Laryngoscope, 128:852-858, 2018.
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 | 0,000 |
| 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 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 ».