Social Determinants of Health and Racial Disparities in Cardiac Events in Breast Cancer
Notice bibliographique
Résumé
BACKGROUND: Racial disparities have been reported for breast cancer and cardiovascular disease (CVD) outcomes. The determinants of racial disparities in CVD outcomes are not yet fully understood. We aimed to examine the impact of individual and neighborhood-level social determinants of health (SDOH) on the racial disparities in major adverse cardiovascular events (MACE; consisting of heart failure, acute coronary syndrome, atrial fibrillation, and ischemic stroke) among female patients with breast cancer. METHODS: This 10-year longitudinal retrospective study was based on a cancer informatics platform with electronic medical record supplementation. We included women aged ≥18 years diagnosed with breast cancer. SDOH were obtained from LexisNexis, and consisted of the domains of social and community context, neighborhood and built environment, education access and quality, and economic stability. Race-agnostic (overall data with race as a feature) and race-specific machine learning models were developed to account for and rank the SDOH impact in 2-year MACE. RESULTS: We included 4,309 patients (765 non-Hispanic Black [NHB]; 3,321 non-Hispanic white). In the race-agnostic model (C-index, 0.79; 95% CI, 0.78-0.80), the 5 most important adverse SDOH variables were neighborhood median household income (SHapley Additive exPlanations [SHAP] score [SS], 0.07), neighborhood crime index (SS = 0.06), number of transportation properties in the household (SS = 0.05), neighborhood burglary index (SS = 0.04), and neighborhood median home values (SS = 0.03). Race was not significantly associated with MACE when adverse SDOH were included as covariates (adjusted subdistribution hazard ratio, 1.22; 95% CI, 0.91-1.64). NHB patients were more likely to have unfavorable SDOH conditions for 8 of the 10 most important SDOH variables for the MACE prediction. CONCLUSIONS: Neighborhood and built environment variables are the most important SDOH predictors for 2-year MACE, and NHB patients were more likely to have unfavorable SDOH conditions. This finding reinforces that race is a social construct.
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 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».