Estimating the impact of enhanced care at minority‐serving hospitals on disparities in the treatment of breast, prostate, lung, and colon cancers
Notice bibliographique
Résumé
BACKGROUND: The objective of this study was to quantify disparities in cancer treatment delivery between minority-serving hospitals (MSHs) and non-MSHs for breast, prostate, nonsmall cell lung, and colon cancers from 2010 to 2019 and to estimate the impact of improving care at MSHs on national disparities. METHODS: Data from the National Cancer Database (2010-2019) identified patients who were eligible for definitive treatments for the specified cancers. Hospitals in the top decile by minority patient proportion were classified as MSHs. Multivariable logistic regression adjusted for patient and hospital characteristics compared the odds of receiving definitive treatment at MSHs versus non-MSHs. A simulation was used to estimate the increase in patients receiving definitive treatment if MSH care matched the levels of non-MSH care. RESULTS: Of 2,927,191 patients from 1330 hospitals, 9.3% were treated at MSHs. MSHs had significant lower odds of delivering definitive therapy across all cancer types (adjusted odds ratio: breast cancer, 0.83; prostate cancer, 0.69; nonsmall cell lung cancer, 0.73; colon cancer, 0.81). No site of care-race interaction was significant for any of the cancers (p > .05). Equalizing treatment rates at MSHs could result in 5719 additional patients receiving definitive treatment over 10 years. CONCLUSIONS: The current findings underscore systemic disparities in definitive cancer treatment delivery between MSHs and non-MSHs for breast, prostate, nonsmall cell lung, and colon cancers. Although targeted improvements at MSHs represent a critical step toward equity, this study highlights the need for integrated, system-wide efforts to address the multifaceted nature of racial and ethnic health disparities. Enhancing care at MSHs could serve as a pivotal strategy in a broader initiative to achieve health care equity for all.
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 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».