Predictors of survival rates among breast cancer patients in Ethiopia: a systematic review and meta-analysis 2024
Notice bibliographique
Résumé
INTRODUCTION: Breast cancer remains the most common cancer and a leading cause of cancer-related deaths among women worldwide. In Ethiopia, the survival rate of breast cancer patients is influenced by various socio-demographic, clinical, and health system factors. This systematic review and meta-analysis aimed to identify and synthesize the predictors of survival rates among breast cancer patients in Ethiopia. METHODS: We conducted a systematic review of observational cohort studies. The literature search was performed between August 1 and 30, 2024, using PubMed, Hinari, EMBASE, Google, Google Scholar, and Web of Science. The Newcastle Ottawa 2016 Critical Appraisal Checklist assessed methodological quality. Publication bias was evaluated using a funnel plot and Egger's test, and heterogeneity was examined with the I-squared test. Data were extracted with Microsoft Excel and analyzed using Stata 11. RESULTS: A total of 15 articles with 6,375 study participants from six regions were included. We found that significant predictors of decreased survival rate among breast cancer patients were age (aHR 1.05, 95% CI 1.02-1.08), illiteracy (aHR 7.34, 95% CI 4.38-10.3), married (aHR 1.21, 95% CI 1.03-1.40), rural residence (aHR 1.71, 95% CI 1.06-2.36), two or more lymph node involvement (aHR 3.57, 95% CI 1.02-6.13), histological grade two or more (aHR 1.44, 95% CI 1.12-2.77), overweight (aHR 0.56, 95% CI 0.24-0.87), and having comorbidity (aHR 1.86, 95% CI 1.04-2.68). CONCLUSION: This systematic review and meta-analysis identified several key predictors of reduced survival rates among breast cancer patients in Ethiopia, including older age, illiteracy, rural residence, involvement of two or more lymph nodes, higher histological grade, marital status, and the presence of comorbidities. Interestingly, being overweight was associated with improved survival. Health stakeholders and policymakers emphasizing public health education, managing comorbidities, and expanding access to early detection and treatment, especially in rural areas, are critical.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».