Impact of Social Vulnerability on Comorbid Cancer and Cardiovascular Disease Mortality in the United States
Notice bibliographique
Résumé
Background: Racial and social disparities exist in outcomes related to cancer and cardiovascular disease (CVD). Objectives: The aim of this cross-sectional study was to study the impact of social vulnerability on mortality attributed to comorbid cancer and CVD. Methods: The Centers for Disease Control and Prevention Wide-Ranging Online Data for Epidemiologic Research database (2015-2019) was used to obtain county-level mortality data attributed to cancer, CVD, and comorbid cancer and CVD. County-level social vulnerability index (SVI) data (2014-2018) were obtained from the CDC's Agency for Toxic Substances and Disease Registry. SVI percentiles were generated for each county and aggregated to form SVI quartiles. Age-adjusted mortality rates (AAMRs) were estimated and compared across SVI quartiles to assess the impact of social vulnerability on mortality related to cancer, CVD, and comorbid cancer and CVD. Results: The AAMR for comorbid cancer and CVD was 47.75 (95% CI: 47.66-47.85) per 100,000 person-years, with higher mortality in counties with greater social vulnerability. AAMRs for cancer and CVD were also significantly greater in counties with the highest SVIs. However, the proportional increase in mortality between the highest and lowest SVI counties was greater for comorbid cancer and CVD than for either cancer or CVD alone. Adults <45 years of age, women, Asian and Pacific Islanders, and Hispanics had the highest relative increase in comorbid cancer and CVD mortality between the fourth and first SVI quartiles, without significant urban-rural differences. Conclusions: Comorbid cancer and CVD mortality increased in counties with higher social vulnerability. Improved education, resource allocation, and targeted public health interventions are needed to address 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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 ».