MétaCan
Menu
Retour à la cohorte
Enregistrement W4404881900 · doi:10.1002/pbc.31472

Association Between Socioeconomic Factors and Childhood Acute Lymphoblastic Leukemia Treatment‐ and Survival‐Related Outcomes in Canada

2024· article· en· W4404881900 sur OpenAlexafffundabout
Lindsay Jibb, Meghan Laverty, Donna L. Johnston, Meera Rayar, Tony H. Truong, Ketan Kulkarni, Samuele Renzi, Saima Alvi, Jaskiran Kaur, Nicole Winch, Sumit Gupta, Stacey Marjerrison

Notice bibliographique

RevuePediatric Blood & Cancer · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Lymphoblastic Leukemia research
Établissements canadiensMcMaster UniversityImpactMcMaster Children's HospitalSaskatchewan Cancer AgencyBC Children's HospitalUniversité LavalIzaak Walton Killam Health CentreAlberta Children's HospitalPublic Health Agency of CanadaInstitute for Clinical Evaluative SciencesAgricultural Research Institute of OntarioUniversity of TorontoSickKids FoundationUniversity of British ColumbiaHospital for Sick Children
Organismes subventionnairesMcMaster UniversityHamilton Health Sciences
Mots-clésMedicineSocioeconomic statusHazard ratioProportional hazards modelConfidence intervalProxy (statistics)DemographyCohortPopulationCohort studyLogistic regressionPediatric cancerRetrospective cohort studyPediatricsInternal medicineCancerEnvironmental health

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background and Aims Studies examing the impact of socioeconomic factors on outcomes in childhood acute lymphoblastic leukemia (ALL) have yielded inconsistent findings. We aimed to determine whether socioeconomic status (SES) or healthcare access are associated with the presence of potentially time‐sensitive high‐risk features at diagnosis, times to diagnosis or treatment, or survival among children with ALL in Canada. Methods We conducted a retrospective cohort study of all children aged less than 15 years diagnosed with first primary ALL between 2001 and 2019 using the Cancer in Young People in Canada national Data Tool, which is population‐based. SES was measured using neighborhood income quintiles, and healthcare access proxy measured as distance to treating center. We used logistic regression to examine the associations between income quintile and distance and two potentially time‐sensitive indicators of high‐risk ALL at diagnosis, white blood cell count (WBC) ≥50 × 10 9 /L, and central nervous system (CNS) disease. We used Cox proportional hazards to examine associations with time‐to‐event outcomes (times to diagnosis and treatment, event‐free survival [EFS], and overall survival [OS]). Results We included 4189 patients. In multivariable analyses, no associations were found between income quintile and potentially time‐sensitive high‐risk features at diagnosis, time to diagnosis or treatment, or OS. The only significant SES measure in multivariable survival analysis was superior EFS among those in income quintile 4 as compared to those in the lowest income quintile with a hazard ratio (HR) of 0.70 (confidence interval [CI]: 0.54–0.91). Living at increased distance from treating center was not associated with high WBC at diagnosis, time to diagnosis, EFS, or OS. Associations were seen between distance to treating center and CNS disease at diagnosis and time to treatment, but without a clear pattern across distance quartiles. Conclusions Children diagnosed with ALL and treated within Canada's universal healthcare system experience similar treatment and survival outcomes regardless of SES and distance to treatment center. Further work is required using individual‐level SES and demographic data to determine if any associations exist, and qualitative assessments to understand barriers to care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,311
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,257
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePediatric Blood & CancerMême sujetAcute Lymphoblastic Leukemia researchTravaux en français237 207