論文の概要: Analyzing Breast Cancer Survival Disparities by Race and Demographic Location: A Survival Analysis Approach
- arxiv url: http://arxiv.org/abs/2506.07191v1
- Date: Sun, 08 Jun 2025 15:27:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-10 16:33:10.70784
- Title: Analyzing Breast Cancer Survival Disparities by Race and Demographic Location: A Survival Analysis Approach
- Title（参考訳）: レースとデモグラフィーによる乳癌生存格差の分析:生存分析アプローチ
- Authors: Ramisa Farha, Joshua O. Olukoya,
- Abstract要約: 本研究は, 多様な人種的, 地理的背景から乳がん患者の生存パターンを明らかにするために, 頑健な分析枠組みを用いた。
我々の目標は、乳がんの予後を改善し、治療格差を減らし、グローバルな取り組みに貢献することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study employs a robust analytical framework to uncover patterns in survival outcomes among breast cancer patients from diverse racial and geographical backgrounds. This research uses the SEER 2021 dataset to analyze breast cancer survival outcomes to identify and comprehend dissimilarities. Our approach integrates exploratory data analysis (EDA), through this we identify key variables that influence survival rates and employ survival analysis techniques, including the Kaplan-Meier estimator and log-rank test and the advanced modeling Cox Proportional Hazards model to determine how survival rates vary across racial groups and countries. Model validation and interpretation are undertaken to ensure the reliability of our findings, which are documented comprehensively to inform policymakers and healthcare professionals. The outcome of this paper is a detailed version of statistical analysis that not just highlights disparities in breast cancer treatment and care but also serves as a foundational tool for developing targeted interventions to address the inequalities effectively. Through this research, our aim is to contribute to the global efforts to improve breast cancer outcomes and reduce treatment disparities.
- Abstract（参考訳）: 本研究は, 多様な人種的, 地理的背景から乳がん患者の生存パターンを明らかにするために, 頑健な分析枠組みを用いた。
本研究は、SEER 2021データセットを用いて乳がん生存結果を分析し、相同性を同定し理解する。
提案手法は探索データ分析(EDA)を統合し,生存率に影響を及ぼす重要な変数を同定し,カプラン・メイヤー推定器やログランク検定,Cox Proportional Hazardsモデルなどの生存率分析手法を用いて,人種グループや国間で生存率がどのように異なるかを決定する。
本研究の信頼性を確保するため,モデル検証と解釈を実施し,政策立案者や医療専門家に包括的に報告した。
本研究の成果は,乳がん治療とケアの格差を浮き彫りにするだけでなく,その不平等を効果的に解決するための標的的介入を開発するための基礎的ツールとしても機能する統計分析の詳細なバージョンである。
本研究の目的は,乳癌の予後の改善と治療格差の低減に貢献することである。
関連論文リスト
- Targeted Data Fusion for Causal Survival Analysis Under Distribution Shift [46.84912148188679]
複数のデータソースにまたがる因果推論は、科学的発見の一般化性と複製性を高めるための有望な道を提供する。
既存のアプローチでは、検閲や離散的かつ連続的な時間の統合など、生存分析のユニークな課題に対処できない。
マルチソース設定におけるターゲットサイト固有の因果効果を推定する2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2025-01-30T23:21:25Z) - Analyzing Geospatial and Socioeconomic Disparities in Breast Cancer Screening Among Populations in the United States: Machine Learning Approach [0.3958317527488535]
本研究はアメリカ合衆国全国の乳癌検診率を評価することを目的としている。
2018年と2020年の国勢調査におけるマンモグラフィー検診データを収集した。
72337回の国勢調査において,13変数からなる健康決定因子の大規模データセットを構築した。
論文 参考訳（メタデータ） (2025-01-30T21:07:34Z) - HACSurv: A Hierarchical Copula-Based Approach for Survival Analysis with Dependent Competing Risks [51.95824566163554]
本稿では,階層型アルキメデスコピュラス構造を学習する生存分析手法であるHACSurvを紹介する。
リスクと検閲の間の依存関係をキャプチャすることで、HACSurvは生存予測の精度を向上させる。
論文 参考訳（メタデータ） (2024-10-19T18:52:18Z) - Predicting Breast Cancer Survival: A Survival Analysis Approach Using Log Odds and Clinical Variables [0.0]
本研究は、乳がん患者の生存確率の予測を促進するために、Cox比例ハザードやパラメトリックサバイバルモデルなどの生存分析技術を用いている。
ナイジェリアのイバダンにあるUniversity College Hospitalが提供するデータセットから、乳がん患者1557人のデータを得た。
論文 参考訳（メタデータ） (2024-10-17T10:01:22Z) - Region-specific Risk Quantification for Interpretable Prognosis of COVID-19 [36.731054010197035]
新型コロナウイルス(COVID-19)のパンデミックは、世界的な公衆衛生を悪化させ、正確な診断と疾病対策の介入を必要とし、死亡率を下げている。
胸部X線画像(CXR)を用いて、新型コロナウイルスの予後に対する理解と信頼の向上を目的とした、解釈可能な深層生存予測モデルを提案する。
論文 参考訳（メタデータ） (2024-05-05T05:08:38Z) - A new algorithm for Subgroup Set Discovery based on Information Gain [58.720142291102135]
Information Gained Subgroup Discovery (IGSD)は、パターン発見のための新しいSDアルゴリズムである。
IGSDと最先端の2つのSDアルゴリズム(FSSDとSSD++)を比較した。
IGSDはFSSDやSSD++よりもOR値が優れており、パターンとターゲットへの依存度が高い。
論文 参考訳（メタデータ） (2023-07-26T21:42:34Z) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳（メタデータ） (2023-03-09T15:38:16Z) - Discriminative Localized Sparse Representations for Breast Cancer
Screening [0.0]
乳がんの早期発見と診断は、その死亡率を低下させ、生活の質を向上させる可能性がある。
CAD(Computer-Aided Detection)とCAD(Computer-Aided diagnosis)技術は,人間の読影の負担を軽減することを約束している。
スパース解析技術は、画像パターンを表現および認識するための関連する結果を生み出している。
論文 参考訳（メタデータ） (2020-11-20T04:15:17Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。