MétaCan
Menu
Retour à la cohorte
Enregistrement W4240924366 · doi:10.1200/jco.2014.32.3_suppl.568

Causes of urban-rural disparities in adjuvant chemotherapy (AC) for rectal cancer (RC).

2014· article· en· W4240924366 sur OpenAlexaff
Khodadad Rasool Javaheri, Caroline Speers, Winson Y. Cheung

Notice bibliographique

RevueJournal of Clinical Oncology · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple and Secondary Primary Cancers
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionQuartileDemographyInternal medicineCancerColorectal cancerConfidence interval

Résumé

récupéré en direct d'OpenAlex

568 Background: While urban-rural differences in cancer care are well described, the etiology for such disparities is unclear. Our aim was to determine whether differences in AC use are mediated through variations in community size (CS) and whether differences in AC use translated into differences in patient survival outcomes (SO). Methods: Patients with stage II/III RC from 1999 to 2009 and referred to any 1 of 5 regional cancer centers in British Columbia were reviewed. Communities were classified as rural (R), small urban (SU), moderate urban (MU), and large urban (LU) based on census data. Using zip codes and a distance matrix application interface, driving distance (DD) to patients’ respective cancer center (CC) was determined and categorized into quartiles. Stepwise logistic regression was used to explore AC use based on urban-rural communities, controlling for DD. Cox regression was used to identify whether variations in CS translated into differences in SO. Results: A total of 2618 patients were identified: median age 67 years (IQR 58-75), 64% men, and 63% received AC. Patients were distributed across various communities: R 37%; SU 11%; MU 13%; and LU 39%. There were no differences in baseline characteristics based on CS (all p<0.05). Compared to patients in LU centers, those living in R, SU and MU areas were less likely to be treated with AC (55 % vs. 49% vs. 71%, respectively, p<0.001). Likewise, DD was shortest for LU and longest for R residents (p<0.001). In multivariate analysis that controlled for confounders, urban-rural disparities in receipt of AC persisted, and these differences were significantly increased after adjusting for DD (Table). In Cox regression analysis which controlled for confounders, patients who lived in R, SU, and MU regions did not have a significantly inferior SO in comparison to those living in LU areas (HR: 0.926, 0.813, 1.006, respectively, p=0.47). Conclusions: There are urban-rural disparities in access to AC independent of patients’ DD to CC. These disparities do not seem to alter patients’ SO. [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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,331
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,109
Tête enseignante GPT0,476
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetMultiple and Secondary Primary CancersTravaux en français237 207