The experience and needs of myeloma patients: exploring race and ethnicity
Notice bibliographique
Résumé
Importance: Race and ethnicity are critical factors that influence healthcare equity for cancer patients and need to be studied. Objective: This study explores how race and ethnicity influence patients living with multiple myeloma (MM), an incurable blood cancer. Design: Four hundred and thirty-five patients diagnosed with smoldering or active MM completed an online survey. Measure: The survey consisted of questions related to MM diagnosis, patient needs at diagnosis and later in treatment, and interest in coaching with an experienced MM patient/caregiver. Results: Results revealed differences among Black, White, and MHL (Mexican, Hispanic, and Latino/a) patients. Black patients, in this study, had a higher genetic risk for MM compared to White and MHL patients. However, these differences did not reach statistical significance. Black patients were also the least likely to be seeing a MM specialist. Similarities regarding needs at diagnosis included treatment options, life expectancy, and basic information about MM. All participants across identities reported an interest in clinical trials. Black patients more frequently reported wanting to know how to cope with anxiety and fear. Black patients also more frequently expressed interest in receiving one-on-one patient centered coaching than White and MHL patients. MHL patients were the least interested in coaching. Conclusion: There are differences and similarities across racial and ethnic identities, and a clear need for more outreach to Black patients with MM who have higher risk diagnoses; less care from MM specialists; and are interested in coaching, clinical trials, and receiving support.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».