Socio-Demographic Inequalities in Diagnostic Delays of Breast Cancer: A Multistage Time-to-Diagnosis Analysis
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Introduction: Breast cancer remains a leading cause of cancer morbidity and mortality among women, and timely diagnosis is critical for improving outcomes. Organized screening programs strive to function efficiently, with minimal delays; however, evidence indicates that longer waiting times may be present at different stages of the diagnostic process. Few studies have evaluated how socio-demographic, reproductive, lifestyle, and clinical characteristics may influence diagnostic timeliness in a regional screening context. MATERIALS AND METHODS: We retrospectively analyzed data from 240 women who underwent breast biopsy following abnormal screening assessment, out of 24,000 patients enrolled in a regional breast cancer screening program conducted in Northeastern and Southeastern Romania. Diagnostic timeliness was observed across three consecutive intervals of the screening pathway: mammography to biopsy (T1), biopsy to histopathological confirmation (T2), and cumulative presentation-to-diagnosis time (T3). Baseline population characteristics were described, subgroup comparisons performed, and multivariable regression models applied to identify independent predictors of diagnostic delay and to explore interaction effects at different stages of the screening process. RESULTS: = 0.003). Social vulnerability further contributed to prolonged T1 and T3 intervals, while lifestyle, reproductive, and anthropometric factors showed only minor or inconsistent associations. Interaction analyses revealed that delays linked to rural residence were most pronounced among younger women, an age group at higher risk for aggressive subtypes such as triple-negative breast cancer. CONCLUSIONS: In our findings, regional background and social vulnerability outweighed individual risk factors in shaping total diagnostic time. These results support the careful monitoring of interval-specific performance to strengthen equitable access to biopsy among vulnerable populations, where the effectiveness of early breast cancer detection is often challenged.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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) | 0,003 | 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 ».