Breast cancer treatment disparities in patients with severe mental illness: A systematic review and meta‐analysis
Notice bibliographique
Résumé
OBJECTIVE: The incidence and mortality rates of breast cancer in individuals with pre-existing severe mental illness (SMI), such as schizophrenia, bipolar disorder, and major depression, are higher than in the general population. Reduced screening is one factor but there is less information on possible barriers to subsequent treatment following diagnosis. METHODS: We undertook a systematic review and meta-analysis on access to guideline-appropriate care following a diagnosis of breast cancer in people with SMI including the receipt of surgery, endocrine, chemo- or radiotherapy. We searched for full-text articles indexed by PubMed, EMBASE, PsycInfo and CINAHL that compared breast cancer treatment in those with and without pre-existing SMI. Study designs included population-based cohort or case-control studies. RESULTS: There were 13 studies included in the review, of which 4 contributed adjusted outcomes to the meta-analyses. People with SMI had a reduced likelihood of guideline-appropriate care (RR = 0.83, 95% CI = 0.77-0.90). Meta-analyses were not possible for the other outcomes but in adjusted results from a single study, people with SMI had longer wait-times to receiving guideline-appropriate care. The results for specific outcomes such as surgery, hormone, radio- or chemotherapy were mixed, possibly because results were largely unadjusted for age, comorbidities, or cancer stage. CONCLUSIONS: People with SMI receive less and/or delayed guideline-appropriate care for breast cancer than the general population. The reasons for this disparity warrant further investigation, as does the extent to which differences in treatment access or quality contribute to excess breast cancer mortality in people with SMI.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,001 | 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 ».