Race, Ethnicity, and Clinical Outcomes in Hormone Receptor-Positive, HER2-Negative, Node-Negative Breast Cancer in the Randomized TAILORx Trial
Notice bibliographique
Résumé
BACKGROUND: Black race is associated with worse outcomes in early breast cancer. We evaluated clinicopathologic characteristics, the 21-gene recurrence score (RS), treatment delivered, and clinical outcomes by race and ethnicity among women who participated in the Trial Assigning Individualized Options for Treatment. METHODS: The association between clinical outcomes and race (White, Black, Asian, other or unknown) and ethnicity (Hispanic vs non-Hispanic) was examined using proportional hazards models. All P values are 2-sided. RESULTS: Of 9719 eligible women with hormone receptor-positive, HER2-negative, node-negative breast cancer, there were 8189 (84.3%) Whites, 693 (7.1%) Blacks, 405 (4.2%) Asians, and 432 (4.4%) with other or unknown race. Regarding ethnicity, 889 (9.1%) were Hispanic. There were no substantial differences in RS or ESR1, PGR, or HER2 RNA expression by race or ethnicity. After adjustment for other covariates, compared with White race, Black race was associated with higher distant recurrence rates (hazard ratio [HR] = 1.60, 95% confidence intervals [CI] = 1.07 to 2.41) and worse overall survival in the RS 11-25 cohort (HR = 1.51, 95% CI = 1.06 to 2.15) and entire population (HR = 1.41, 95% CI = 1.05 to 1.90). Hispanic ethnicity and Asian race were associated with better outcomes. There was no evidence of chemotherapy benefit for any racial or ethnic group in those with a RS of 11-25. CONCLUSIONS: Black women had worse clinical outcomes despite similar 21-gene assay RS results and comparable systemic therapy in the Trial Assigning Individualized Options for Treatment. Similar to Whites, Black women did not benefit from adjuvant chemotherapy if the 21-gene RS was 11-25. Further research is required to elucidate the basis for this racial disparity in prognosis.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».