Associations of rural residence and low socioeconomic status on the risk of new onset cardiovascular disease (CVD) in cancer patients.
Notice bibliographique
Résumé
90 Background: Cancer patients are predisposed to CVD due to cancer treatments and shared risk factors (smoking/physical inactivity). We aimed to assess if rural residence and low socioeconomic status (SES) modify the risk of developing CVD. Methods: Patients diagnosed with non-metastatic solid organ cancers without baseline CVD in a large Canadian province from 2004 to 2017 were identified using the population-based registry. Postal codes were linked with Census data to determine rural residence as well as neighborhood-level income and educational attainment. Low income was defined as <46000 CAD/annum; low education was defined as a neighborhood in which <80% attended high school. Myocardial infarction, congestive heart failure, arrythmias and cerebrovascular accident constituted as CVD.We performed logistic regression analyses to examine the associations of rural residence and low SES with the development of CVD, adjusting for measured confounding variables. Results: We identified 81,275 patients diagnosed with cancer without pre-existing CVD. The median age was 62 years and 54.2% were women. The most prevalent cancer types included breast (28.6%), prostate (23.1%), and colorectal (14.9%). At a median follow-up of 68 months, 29.4% were diagnosed with new CVD. The median time from cancer diagnosis to CVD was 29 months. Rural patients (32.3 vs 28.4%,P < .001) and those with low income (30.4% vs 25.9%,P < .001) or low educational attainment (30.7% vs 27.6%,P < .001) experienced higher rates of CVD. After adjusting for baseline factors and treatment, rural residence (odds ratio[OR], 1.07; 95% confidence interval[CI], 1.04-1.11;P < .001), low income (OR,1.17;95%CI,1.12-1.21;P < .001) and low education (OR,1.08;95%CI,1.04-1.11;P < .001) continued to associate with higher odds of CVD. Further, patients with colorectal cancer were more likely to develop CVD compared with other tumors (OR,1.12;95% CI,1.04-1.16;P = .001). A multivariate Cox regression model showed that patients with low SES were more likely to die, but patients residing rurally were not. Conclusions: Approximately one-third of cancer survivors develop CVD on follow-up. Despite universal healthcare, marginalized populations experience different CVD risk profiles that should be considered when operationalizing lifestyle modification strategies and cardiac surveillance programs. [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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».