Geospatial access predicts cancer stage at presentation and outcomes for patients with breast cancer in southwest Nigeria: A population‐based study
Notice bibliographique
Résumé
BACKGROUND: The majority of women in Nigeria present with advanced-stage breast cancer. To address the role of geospatial access, we constructed a geographic information-system-based model to evaluate the relationship between modeled travel time, stage at presentation, and overall survival among patients with breast cancer in Nigeria. METHODS: Consecutive patients were identified from a single-institution, prospective breast cancer database (May 2009-January 2019). Patients were geographically located, and travel time to the hospital was generated using a cost-distance model that utilized open-source data. The relationships between travel time, stage at presentation, and overall survival were evaluated with logistic regression and survival analyses. Models were adjusted for age, level of education, and socioeconomic status. RESULTS: From 635 patients, 609 were successfully geographically located. The median age of the cohort was 49 years (interquartile range [IQR], 40-58 years); 84% presented with ≥stage III disease. Overall, 46.5% underwent surgery; 70.8% received systemic chemotherapy. The median estimated travel time for the cohort was 45 minutes (IQR, 7.9-79.3 minutes). Patients in the highest travel-time quintile had a 2.8-fold increase in the odds of presenting with stage III or IV disease relative to patients in the lowest travel-time quintile (P = .006). Travel time ≥30 minutes was associated with an increased risk of death (HR, 1.65; P = .004). CONCLUSIONS: Geospatial access to a tertiary care facility is independently associated with stage at presentation and overall survival among patients with breast cancer in Nigeria. Addressing disparities in access will be essential to ensure the development of an equitable health policy.
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 ».