A <scp>population‐based</scp> study of factors associated with systemic treatment in advanced prostate cancer decedents
Notice bibliographique
Résumé
INTRODUCTION: Life-prolonging therapies (LPTs) are rapidly evolving for the treatment of advanced prostate cancer, although factors associated with real-world uptake are not well characterized. METHODS: In this cohort of prostate-cancer decedents, we analyzed factors associated with LPT access. Population-level databases from Ontario, Canada identified patients 65 years or older with prostate cancer receiving androgen deprivation therapy and who died of prostate cancer between 2013 and 2017. Univariate and multivariable analyses assessed the association between baseline characteristics and receipt of LPT in the 2 years prior to death. RESULTS: Of 3575 patients who died of prostate cancer, 40.4% (n = 1443) received LPT, which comprised abiraterone (66.3%), docetaxel (50.3%), enzalutamide (17.2%), radium-223 (10.0%), and/or cabazitaxel (3.5%). Use of LPT increased by year of death (2013: 22.7%, 2014: 31.8%, 2015: 41.8%, 2016: 49.1%, and 2017: 57.9%, p < 0.0001), driven by uptake of all agents except docetaxel. Adjusted odds of use were higher for patients seen at Regional Cancer Centers (OR: 1.8, 95% CI: 1.5-2.1) and who received prior prostate-directed therapy (OR: 1.3, 95% CI: 1.0-1.5), but lower with advanced age (≥85: OR: 0.54, 95% CI:0.39-0.75), increased chronic conditions (≥6: OR: 0.62, 95% CI: 0.43-0.92), and long-term care residency (OR: 0.38, 95% CI: 0.17-0.89). Income, stage at presentation, and distance to the cancer center were not associated with LPT uptake. CONCLUSION: In this cohort of prostate cancer-decedents, real-world uptake of novel prostate cancer therapies occurred at substantially higher rates for patients receiving care at Regional Cancer Centers, reinforcing the potential benefits for treatment access for patients referred to specialist centers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».