Disparities in Hepatocellular Carcinoma Incidence, Stage, and Survival: A Large Population-Based Study
Notice bibliographique
Résumé
Abstract Background: Liver cancer is one of the most rapidly increasing cancers in the United States, and hepatocellular carcinoma (HCC) is its most common form. Disease burden and risk factors differ by sex and race/ethnicity, but a comprehensive analysis of disparities by socioeconomic status (SES) is lacking. We examined the relative impact of race/ethnicity, sex, and SES on HCC incidence, stage, and survival. Methods: We used Surveillance, Epidemiology, and End Results (SEER) 18 data to identify histologically confirmed cases of HCC diagnosed between January 1, 2000 and December 31, 2015. We calculated age-adjusted HCC incidence, stage at diagnosis (local, regional, distant, unstaged), and 5-year survival, by race/ethnicity, SES and sex, using SEER*Stat version 8.3.5. Results: We identified 45,789 cases of HCC. Incidence was highest among low-SES Asian/Pacific Islanders (API; 12.1) and lowest in high-SES Whites (3.2). Incidence was significantly higher among those with low-SES compared with high-SES for each racial/ethnic group (P < 0.001), except American Indian/Alaska Natives (AI/AN). High-SES API had the highest percentage of HCC diagnosed at the local stage. Of all race/ethnicities, Blacks had the highest proportion of distant stage disease in the low- and high-SES groups. Survival was greater in all high-SES racial/ethnic groups compared with low-SES (P < 0.001), except among AI/ANs. Black, low-SES males had the lowest 5-year survival. Conclusions: With few exceptions, HCC incidence, distant stage at diagnosis, and poor survival were highest among the low-SES groups for all race/ethnicities in this national sample. Impact: HCC prevention and control efforts should target low SES populations, in addition to specific racial/ethnic groups.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».