Impact of Race on Outcomes of Advanced Stage Non-Small Cell Lung Cancer Patients Receiving Immunotherapy
Notice bibliographique
Résumé
Background: The impact of race in advanced stage non-small cell lung cancer (NSCLC) patients treated with immune checkpoint inhibitors (ICIs) is conflicting. Our study sought to examine racial disparities in time to treatment initiation (TTI), overall survival (OS), and progression-free survival (PFS) using a population that was almost equally black and white. Methods: This was a retrospective cohort study of stage IV NSCLC patients > 18 years receiving immunotherapy at our center between 2014 and 2021. Kaplan—Meier curves and the multivariate Cox proportional hazards model determined the predictors of OS and PFS. Analyses were undertaken using IBM PSAW (SPSS v.28). Results: Out of 194 patients who met the inclusion criteria, 42.3% were black (n = 82). In the multivariate analysis, there was no difference in PFS (HR: 0.96; 95% CI: 0.66,1.40; p = 0.846) or OS (HR: 0.99; 95% CI: 0.66, 1.48; p = 0.966). No difference in treatment selection was observed between white and black patients (p = 0.363), nor was there a difference observed in median time to overall treatment initiation (p = 0.201). Conclusions: No difference was observed in OS and PFS in black and white patients. Black patients’ reception of timelier immunotherapy was an unanticipated finding. Future studies are necessary to better understand how race impacts patient outcomes.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».