DISP-02. PATTERNS IN THE INCIDENCE OF BRAIN METASTASIS BY RACE AND ETHNICITY: A SYSTEMATIC REVIEW
Notice bibliographique
Résumé
Abstract INTRODUCTION Despite advancements in cancer treatment, the incidence of brain metastases (BM) continues to rise which necessitates risk factor analyses. Although current literature indicates racial variance in BM incidence, there exists a major knowledge gap in understanding associations between race/ethnicity, BM incidence, and subtypes which emphasizes the need for a systematic review. We aimed to analyze the relationship between BM incidence, race/ethnicity, and primary cancer type. METHODS Using PRISMA guidelines, a systematic review of PubMed and Ovid databases from January 2000 to January 2023 for terms related to BM, ethnicity and race, in conjunction with incidence was conducted. Inclusion criteria comprised peer-reviewed journals with ages > 18, sample size > 100, primary malignancy diagnosis with evidence of BM, and descriptions of patient race or ethnicity. RESULTS Of 806 identified studies, 11 articles primarily utilizing US data were included for final analysis. Lung and bronchus cancers, revealed the highest incidence of BM in Asian patients, followed by Black, White, and American Indian/Alaska Natives (P< .001), despite overall increased incidence of primary cancer in Black patients. Breast cancer revealed highest BM incidence in American Indian/Alaska Natives (5.9%), followed by Black (5.0%), White (3.6%), and Asian/Pacific Islanders (3.5%) (P< .001). When compared to White and Hispanics only, Black patients had greater incidences of BM (OR: 2.26, 95% CI: 1.57–3.25). Lower incidence of BM for esophageal cancer was observed in Black patients compared to White patients (OR=0.38; 95% CI: (0.16–0.89); P= 0.026). No significant differences were observed in BM incidence for bladder, prostate, or non-small cell and small cell lung cancers. CONCLUSIONS Our review suggests that BM incidence does vary amongst racial/ethnic groups dependent on primary cancer type. Differences may be due to numerous factors, underscoring the need for more work with inclusive, diverse cohorts to tackle BM disparities.
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 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,014 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».