Patterns of venous thromboembolism risk, treatment, and outcomes among patients with cancer from uninsured and vulnerable populations
Notice bibliographique
Résumé
The epidemiology of cancer-associated thrombosis (CAT) among uninsured and vulnerable populations in the US is not well-characterized. We performed a retrospective cohort study for patients with newly diagnosed cancer from 2011 to 2020 at Harris Health System, which cares for uninsured residents in the Houston metropolitan area. Patient demographics, NCI comorbidity index, area of deprivation index (ADI), cancer histology, staging, and systemic therapy data were extracted. CAT included overall venous thromboembolism (VTE) or pulmonary embolism +/- lower extremity deep vein thrombosis (PE/LE-DVT) within 1 year of diagnosis. We used multivariable Fine-Gray models to assess the associations with CAT accounting for death as a competing risk. Among 15 342 patients, 74% were uninsured and 84% lived in socioeconomically disadvantaged neighborhoods. There were 16% Non-Hispanic White (NHW), 28% Non-Hispanic Black (NHB), 50% Hispanic (27% Mexican), and 6% Asian/Pacific Islanders (API). The 1-year CAT incidence rate was 14.6%. Overall VTE was lower for Hispanics versus NHW (SHR 0.87 [0.76-0.99]) and API versus NHW (SHR 0.58 [0.44-0.77]). PE/LE-DVT was higher for NHB versus NHW (SHR 1.18 [1.01-1.39]). CAT was also associated with chemotherapy-based regimens (+/- immunotherapy), age, obesity, cancer type/staging, VTE history, and recent hospitalization. NCI comorbidity and ADI scores were associated with mortality but not CAT. In a large cohort of underserved patients with cancer, we identified an elevated incidence of CAT with known and novel risk predictors. Hispanics had lower adjusted rates of CAT and mortality. Our findings highlight the need to investigate and incorporate vulnerable populations in clinical trials.
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 | 0,001 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».