Racial disparities in non–small cell lung cancer survival outcomes: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background Previous studies have demonstrated disparities in survival outcomes between Black/African American, Asian, and White patients with non–small cell lung cancer (NSCLC). Some studies have suggested that non-White patients have poorer survival outcomes due to socioeconomic factors, while others have reported different findings. Therefore, we performed a comprehensive review and meta-analysis to evaluate the impact of racial disparity on NSCLC survival outcomes.Method PubMed, Ovid MEDLINE, Embase, and Google Scholar were searched for articles published until September 2024. Eligible studies with aligned research objectives were included. Two reviewers independently extracted data. Methodological quality was assessed using the Newcastle-Ottawa Scale. The meta-analysis adhered to the PRISMA guidelines.Result Fifteen studies with 763,314 patients met the eligibility criteria. Asian and Asian/Pacific Islander (API) patients had significantly better overall survival (OS) compared to White patients (hazard ratio [HR], 0.86; 95% confidence interval [CI], 0.79–0.94; P < 0.01 and HR, 0.80; 95% CI, 0.69–0.93; P < 0.01, respectively). In contrast, OS differences were not statistically significant between Black and White (HR, 1.00; 95% CI, 0.94–1.07; P < 0.01) or Hispanic and White patients (HR, 0.93; 95% CI, 0.87–1.00; P = 0.19). Further, the subgroup analyses did not demonstrate any significant difference in OS outcome in any stage when comparing Black to White patients (stage I HR, 1.11; 95% CI, 1.00–1.23; P < 0.01; stage II HR, 1.03; 95% CI, 0.96–1.10; P = 0.26; stage III HR, 1.04; 95% CI, 0.96–1.12; P < 0.01; and stage IV HR, 1.02; 95% CI, 0.97–1.07; P < 0.01).Conclusion Asian and API patients with NSCLC exhibited superior OS outcomes compared to White patients. In contrast, racial disparities in survival outcomes were statistically insignificant for Black and Hispanic patients. Additionally, staging disparities in OS were not observed between Black and White patients with NSCLC.
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 | 0,015 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,032 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».