Racial Differences in Survival Among Advanced-stage Non–small-Cell Lung Cancer Patients Who Received Immunotherapy: An Analysis of the US National Cancer Database (NCDB)
Notice bibliographique
Résumé
Lung cancer is the most common cause of cancer death among men and women in the United States, with significant racial disparities in survival. It is unclear whether these disparities persist upon equal utilization of immunotherapy. The purpose of this study was to evaluate the association between race and all-cause mortality among non-small-cell lung cancer (NSCLC) patients who received immunotherapy. We obtained data from the 2016 National Cancer Database on patients diagnosed with advanced-stage (III-IV) NSCLC from 2015 to 2016. Multivariable Cox proportional hazards models were used to calculate hazard ratios (HR) and 95% confidence intervals (95% CI) by race/ethnicity. A total of 2940 patients were included. Non-Hispanic (NH)-Black patients had a lower risk of death relative to NH-White patients (HR: 0.85; 95% CI: 0.73, 0.98) after adjusting for sociodemographic, clinical, and treatment factors. Formal tests of interaction evaluating race with Charlson-Deyo comorbidity score and race with area-level median income were nonsignificant. However, in stratified analyses, NH-Black versus NH-White patients had a lower risk of death in models adjusted for sociodemographic factors among those with at least 1 comorbidity (HR: 0.75; 95% CI: 0.57, 0.97), and those living in regions within the 2 lowest quartiles of median income (HR: 0.82; 95% CI: 0.68, 0.99). Among advanced-stage NSCLC patients who received immunotherapy, NH-Black patients experienced higher survival compared with NH-White patients. We urge the implementation of policies and interventions that seek to equalize access to care as a means of addressing differences in overall NSCLC survival by race.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».