Impact of Immigration Status on Survival Among Stage 1 and 2 <scp>HER2</scp> ‐Positive and Triple‐Negative Breast Cancer in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: This study examined death from breast cancer and death from other causes among women with Stage 1 and 2 Her2-positive and triple-negative breast cancer (BC) by immigration status. METHODS: We identified women aged 18-75 diagnosed with BC in Ontario from January 1, 2012, to December 31, 2019, followed them to December 31, 2023, and identified legal immigrants from the Immigration, Refugee, and Citizenship Canada Permanent Resident (CIC) database. We linked administrative data sources for the date of diagnosis, molecular subtype, death due to breast cancer, and death due to all other causes. Using adjusted competing risks regression (Fine and Gray method), we analyzed the influence of immigration on breast cancer survival and calculated the sub-distribution hazard ratios (sHR). RESULTS: There was no increased risk of death among legal immigrants on univariate or multivariable analysis. They had a sHR of 0.95 (0.77-1.19) on univariate analysis and 1.06 (95% CI: 0.83-1.36) on multivariable analysis for breast cancer deaths, and for other causes of death, 0.63 (0.47-0.83) on univariate analysis, and 0.85 (95% CI: 0.62-1.15) on multivariable analysis compared to long-term residents. Patients with HER2-positive status had a lower risk of death from breast cancer and other causes compared to those with triple-negative breast cancer (TNBC). Patients with Stage 2 cancer had a significantly higher hazard of death from breast cancer compared to Stage 1 (HR = 3.72, 95% CI: 2.96-4.66, p < 0.0001). CONCLUSIONS: In Ontario, legal immigrants do not have an increased risk of death from breast cancer or other causes compared to long-term residents.
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) | 0,001 | 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) | 0,000 | 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 ».