Socioeconomic disparity trends in diagnostic imaging, treatments, and survival for non‐small cell lung cancer 2007‐2016
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Socioeconomic status (SES) has led to treatment and survival disparities; however, limited data exist for non-small cell lung cancer (NSCLC). This study investigates the impact of SES on NSCLC diagnostic imaging, treatment, and overall survival (OS), and describes temporal disparity trends. The Ontario Cancer Registry was used to identify NSCLC patients diagnosed between 2007 and 2016. Through linkage to administrative datasets, patients' demographics, imaging, treatment, and survival were obtained. Based on median household neighborhood income, the Ontario population was divided into five income quintiles (Q1-Q5; Q1 = lowest income). Multivariable regressions assessed SES association with OS, imaging, treatment receipt, and treatment delay, and their interaction with year of diagnosis to understand temporal trends. Endpoints were adjusted for demographics, stage and comorbidities, along with treatments and imaging for OS. A total of 50 542 patients were identified. Higher SES patients (Q5 vs. Q1) showed improved 5-year OS (hazard ratio, 0.89; 95% confidence interval [CI], 0.87-0.92; P < .0001) and underwent greater magnetic resonance imaging head (stages IA-IV; odds ratio [OR], 1.24; 95% CI, 1.16-1.32; P < .0001), lung resection (IA-IIIA; OR, 1.58; 95% CI, 1.43-1.74; P < .0001), platinum-based vinorelbine adjuvant chemotherapy (IB-IIIA; OR, 1.63; 95% CI, 1.39-1.92; P < .0001), palliative radiation (IV; OR, 1.14; 95% CI, 1.05-1.25; P = .023), and intravenous chemotherapy (IV; OR, 1.45; 95% CI, 1.32-1.60; P < .0001). Lower SES patients underwent greater thoracic radiation (IA-IIIB; OR, 0.86; 95% CI, 0.79-0.94; P = .0003). Across 2007-2016, socioeconomic disparities remain largely unchanged (interaction P > .05) despite widening income inequality.
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.
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) | 0,001 | 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) | 0,001 | 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 découle