Abstract 12757: Impact of Social Vulnerability on Cardio-Oncology Mortality in the United States
Notice bibliographique
Résumé
Introduction: Racial and social disparities affect cancer and CVD-related mortality. The relationship between social vulnerability and concomitant cancer and CVD (cardio-oncology) related mortality remains understudied. Methods: We used the CDC Wide-Ranging OnLine Data for Epidemiologic Research (WONDER) database to determine the association between deaths attributed to the presence of concomitant CVD and cancer (ICD-10 codes I00-I09, I11, I13, I20-I51 and C00-C96), and the county-level social-vulnerability index (SVI). SVI measures a community’s vulnerability based on socioeconomic status, household composition, disability, minority status, language, and transportation. We aggregated counties by SVI quartiles (1st: most favorable = 0.00 to 0.25; 4th: least favorable = 0.75 to 1.00) and compared age-adjusted mortality rates (AAMRs) across SVI quartiles. Results: Between 2014 and 2018, the AAMR due to concomitant cancer and CVD was 47.75 (95% CI, 47.66- 47.85) per 100,000 person-years with higher mortality in areas with a higher SVI (Figure). Similarly, CVD and cancer-related mortality was also significantly greater in counties with the highest SVI [(CVD: 1.287 (95% CI 1.284-1.290); Cancer: 1.087 (95% CI 1.084-1.091)]. Moreover, the proportional increase in cardio-oncology mortality between the highest and lowest SVI counties was greater than that observed for CVD or cancer-associated mortality alone (p<0.001). This difference was most striking in adults < 45 years, females, Asian and Pacific Islanders, and Hispanics. Conclusion: A graded increase in cardio-oncology mortality is observed in counties with higher social vulnerability. The incremental impact of SVI was greater for cardio-oncology mortality than for cancer or CVD mortality alone, particularly in certain demographic groups. These findings highlight the need for targeted resource allocation and public health interventions to address social inequities in cardio-oncology.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».