The impact of race on survival in metastatic prostate cancer: a systematic literature review
Notice bibliographique
Résumé
BACKGROUND: Prostate cancer (PC) is the second most diagnosed cancer in men worldwide. While racial and ethnic differences exist in incidence and mortality, increasing data suggest outcomes by race among men with newly diagnosed PC are similar. However, outcomes among races beyond Black/White have been poorly studied. Moreover, whether outcomes differ by race among men who all have metastatic PC (mPC) is unclear. This systematic literature review (SLR) provides a comprehensive synthesis of current evidence relating race to survival in mPC. METHODS: An SLR was conducted and reported in accordance with PRISMA guidelines. MEDLINE®, Embase, and Cochrane Library using the Ovid® interface were searched for real-world studies published from January 2012 to July 2022 investigating the impact of race on overall survival (OS) and prostate cancer-specific mortality (PCSM) in patients with mPC. A supplemental search of key congresses was also conducted. Studies were appraised for risk of bias. RESULTS: Of 3228 unique records identified, 62 records (47 full-text and 15 conference abstracts), corresponding to 54 unique studies (51 United States and 3 ex-United States) reporting on race and survival were included. While most studies showed no difference between Black vs White patients for OS (n = 21/27) or PCSM (n = 8/9), most showed that Black patients demonstrated improved OS on certain mPC treatments (n = 7/10). Most studies found no survival difference between White patients and Hispanic (OS: n = 6/8; PCSM: n = 5/6) or American Indian/Alaskan Native (AI/AN) (OS: n = 2/3; PCSM: n = 5/5). Most studies found Asian patients had improved OS (n = 3/4) and PCSM (n = 6/6) vs White patients. CONCLUSIONS: Most studies found Black, Hispanic, and AI/AN patients with mPC had similar survival as White patients, while Black patients on certain therapies and Asian patients showed improved survival. Future studies are needed to understand what aspects of race including social determinants of health are driving these findings.
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 | 0,008 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».