Long-Term Dynamic Financial Impacts Among Adolescents and Young Adults With Cancer: A Longitudinal Matched-Cohort Study
Notice bibliographique
Résumé
PURPOSE: Surviving cancer has significant financial implications for adolescents and young adults (AYAs). It is unclear how cancer affects AYA income over time compared with the general population, and how this differs by subtype. METHODS: We performed a population-based retrospective matched-cohort study of AYAs age 15-39 years diagnosed from 1994 to 2013 in Canada's universal health care system. Survivors were 1-to-10 variable-ratio matched to cancer-free comparators in the year before diagnosis on birth year, sex, migration background, geography, family composition, and ±5% of income. Participants were followed until death, second cancer, loss to follow-up, 10 years after diagnosis, or December 31, 2015. The primary outcome was annual total income, inflation-adjusted to 2015 Canadian dollars (CAD). Doubly robust difference-in-difference analyses estimated relative and absolute income changes for survivors versus cancer-free peers. Analyses were conducted for cancer overall and stratified by subtype. RESULTS: A total of 93,325 survivors with an average diagnosis age of 32.0 (standard deviation [SD], 4.9) years were matched to 765,240 cancer-free peers. Mean follow-up was 8.1 (SD, 2.9) years. Cancer led to an average loss of 5.3% (95% CI, 4.3% to 6.4%), or $2,023 CAD (95% CI, $1,706 to $2,340), in total income. Losses varied by subtype, with CNS malignancies experiencing the largest reduction of 28.4% (95% CI, 23.9% to 32.6%). Hematologic, lung, GI, and breast cancer losses ranged from 7.7% to 16.8%. Income reductions were largest in the first 5 years after diagnosis. After 10 years, income losses ranged from 9% to 32% for survivors of hematologic and CNS malignancies. CONCLUSION: Cancer in AYAs leads to decreased income with varying magnitudes by subtype, with the largest burden in the first 5 years after diagnosis. Policy interventions to mitigate income inequalities among survivors can ensure stable financial well-being throughout survivorship.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».