MétaCan
Menu
Retour à la cohorte
Enregistrement W4362601260 · doi:10.1002/cam4.5897

Inequalities in survival and care across social determinants of health in a cohort of advanced lung cancer patients in Quebec (Canada): A high‐resolution population‐level analysis

2023· article· en· W4362601260 sur OpenAlexafffundabout
Samia Qureshi, Gino Boily, Jim Boulanger, Élisabeth Pagé, Erin Strumpf

Notice bibliographique

RevueCancer Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensInstitut National d'Excellence en Santé et en Services SociauxMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health ResearchMcGill University
Mots-clésGefitinibMedicineOsimertinibLung cancerInternal medicineDemographyPopulationCohortSocioeconomic statusOncologyCancerErlotinibEpidermal growth factor receptorEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Advanced lung cancer patients exposed to breakthrough therapies like EGFR tyrosine kinase inhibitors (EGFR-TKI) may experience social inequalities in survival, partly from differences in care. This study examined survival by neighborhood-level socioeconomic and sociodemographic status, and geographical location of advanced lung cancer patients who received gefitinib, an EGFR-TKI, as first-line palliative treatment. Differences in the use and delay of EGFR-TKI treatment were also examined. METHODS: Lung cancer patients receiving gefitinib from 2001 to 2019 were identified from Quebec's health administrative databases. Accounting for age and sex, estimates were obtained for the median survival time from treatment to death, the probability of receiving osimertinib as a second EGFR-TKI, and the median time from biopsy to receiving first-line gefitinib. RESULTS: Among 457 patients who received first-line treatment with gefitinib, those living in the most materially deprived areas had the shortest median survival time (ratio, high vs. low deprivation: 0.69; 95% CI: 0.47-1.04). The probability of receiving osimertinib as a second EGFR-TKI was highest for patients from immigrant-dense areas (ratio, high vs. lowdensity: 1.95; 95% CI: 1.26-3.36) or from Montreal (ratio, other urban areas vs. Montreal: 0.39; 95% CI: 0.16-0.71). The median wait time for gefitinib was 1.27 times longer in regions with health centers peripheral to large centers in Quebec or Montreal in comparison to regions with university-affiliated centers (95% CI: 1.09-1.54; n = 353). CONCLUSION: This study shows that real-world variations in survival and treatment exist among advanced lung cancer patients in the era of breakthrough therapies and that future research on inequalities should also focus on this population.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,021
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,031
Tête enseignante GPT0,400
Écart entre enseignants0,369 · 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

Citations9
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCancer MedicineMême sujetLung Cancer Treatments and MutationsTravaux en français237 207