Social disparities in cardiovascular mortality of patients with cancer in the USA between 1999 and 2019
Notice bibliographique
Résumé
Background: Temporal trends of the impact of social determinants on cardiovascular outcomes of cancer patients has not been previously studied. Objectives: This study examined social disparities in cardiovascular mortality of people with and without cancer in the US population between 1999 and 2019. Methods: Primary cardiovascular deaths were identified from the Multiple Cause of Death database and grouped by cancer status. The cancer cohort was subcategorized into breast, lung, prostate, colorectal, and haematological. The number of cardiovascular deaths, crude cardiovascular mortality rate, cardiovascular age-adjusted mortality rate (AAMR), and percentage change in cardiovascular AAMR were calculated by cancer status and cancer type, and stratified by sex, race, ethnicity, and urban-rural setting. Results: 17.9 million cardiovascular deaths were analysed. Of these, 572,222 occurred in patients with a record of cancer. The cancer cohort were older and included more men and White racial groups. Regardless of cancer status, cardiovascular AAMR was higher in men, rural settings, and Black or African American races. Cardiovascular AAMR declined over time, with greater reduction in those with cancer (-51.6% vs -38.3%); the greatest reductions were in colorectal (-68.4%), prostate (-60.0%), and breast (-58.8%) cancers. Sex, race, and ethnic disparities reduced over time, with greater narrowing in the cancer cohort. There was increase in urban-rural disparities, which appeared greater in those with cancer. Conclusions: While most social disparities narrowed over time, urban-rural disparities widened, with greater increase in those with cancer. Healthcare plans should incorporate strategies for reduction of health inequality equitable access to cardio-oncology services.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».