Impact of county-level surgical specialist density on breast (BrCa) and lung cancer (LuCa) mortality.
Notice bibliographique
Résumé
6064 Background: Variations in distribution of the surgical workforce may result in differential access to cancer screening and treatment. Our aim was to explore the relationship between county-level surgical specialist density and BrCa and LuCa mortality. Methods: Using data from Area Resource File, US Census and National Cancer Institute, regression models that controlled for cancer incidence, county demographics and socioeconomic factors were constructed to examine the association among a) general surgeon (GS) and radiation oncologist (RO) density with BrCa mortality and b) thoracic surgeon (ThS) and RO density with LuCa mortality. Plastic (PS) and transplant surgeons (TrS) were used as surgical controls as they were not expected to correlate significantly with BrCa or LuCa mortality. Results: A total of 1,557 and 2,044 US counties were analyzed for BrCa and LuCa, respectively: mean incidences were 119 and 75 and death rates were 25 and 59 per 100,000 people, respectively, for BrCa and LuCa. Mean specialist densities were 7.72 (GS), 0.80 (RO), and 0.97 (PS) [for BrCa counties] and 0.55 (ThS), 0.55 (RO), and 0.01 (TrS) [for LuCa counties] per 100,000. When compared to counties with no surgical specialist, those with at least one GS and RO for BrCa and at least one ThS and RO for LuCa were associated with decreased mortality (Table). Increasing the density of GS and RO beyond 9 and 1 per 100,000 did not result in significant reductions in BrCa mortality. Likewise, increasing the density of ThS and RO to above 1 each per 100,000 failed to yield further improvements in LuCa mortality. Counties with more elderly residents also correlated with worse BrCa and LuCa outcomes. Conclusions: The presence of specific surgical specialists is associated with lower BrCa and LuCa mortality. There appears to be a threshold at which point further increase in their density do not contribute to continued improvements in outcomes. Distributing the surgical workforce across all counties will offer population-based improvements in BrCa and LuCa mortality. [Table: see text]
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».