Lung cancer survival by immigrant status: a population-based retrospective cohort study in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Lung cancer is one of the most common cancers and causes of cancer death in Canada. Some previous literature suggests that socioeconomic inequalities in lung cancer screening, treatment and survival may exist. The objective of this study was to compare overall survival for immigrants versus long-term residents of Ontario, Canada among patients diagnosed with lung cancer. METHODS: This population-based retrospective cohort study utilized linked health administrative databases and identified all individuals (immigrants and long-term residents) aged 40 + years diagnosed with incident lung cancer between April 1, 2012 and March 31, 2017. The primary outcome was 5-year overall survival with December 31, 2019 as the end of the follow-up period. We implemented adjusted Cox proportional hazards models stratified by age at diagnosis, sex, and cancer stage at diagnosis to examine survival. RESULTS: Thirty-eight thousand seven hundred eighty-eight individuals diagnosed with lung cancer were included in our cohort including 7% who were immigrants. Immigrants were younger at diagnosis and were more likely to reside in the lowest neighbourhood income quintile (30.6% versus 24.5%) than long-term residents. After adjusting for age at diagnosis, neighbourhood income quintile, comorbidities, visits to primary care in the 6 to 30 months before diagnosis, continuity of care, cancer type and cancer stage at diagnosis, immigrant status was associated with a lower hazard of dying 5-years post-diagnosis for both females (0.7; 95% CI 0.6-0.8) and males (0.7; 95% CI 0.6-0.7) in comparison to long-term residents. This trend held in adjusted models stratified by cancer stage at diagnosis. For example, female immigrants diagnosed with early stage lung cancer had a hazard ratio of 0.5 (95% CI 0.4-0.7) in comparison to long-term residents. CONCLUSION: Overall survival post diagnosis with lung cancer was better among Ontario immigrants versus long-term residents. Additional research, potentially on the protective effects of immigrant enclave and the intersection of immigrant status with racial/ethnic identity, is needed to further explore why better overall survival for immigrants remained.
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 | 0,000 |
| 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 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 ».