Modifiable Risk Factors Associated with Clearance of Type-Specific Cervical Human Papillomavirus Infections in a Cohort of University Students
Notice bibliographique
Résumé
BACKGROUND: Previous findings regarding risk factors for human papillomavirus (HPV) persistence, other than viral determinants, identified from prospective cohort studies have been inconsistent in part because study designs have differed with respect to differing HPV detection methods and varying lengths of follow-up time. Therefore, the objectives of this study were to continue the search for epidemiologic risk factors of persistent cervical HPV infections and determine what behaviors differed between those women with transient HPV infections and those women who cannot clear their type-specific HPV infections. METHODS: Female university students (n = 621) in Montreal were followed for 24 months at 6-month intervals. At each visit, a cervical cell specimen was collected. HPV DNA was detected using the MY09/MY11 PCR protocol and 27 HPV genotypes were identified by the line blot assay (Roche Molecular Systems, Inc., Alameda, CA). Proportional hazards regression was used to estimate the crude and adjusted hazard ratios of clearing a type-specific high-risk (n = 222) or low-risk (n = 105) HPV infection over time according to specific baseline and time-dependent covariates. RESULTS: Daily consumption of vegetables seemed to increase the rate of HPV clearance independent of type. The use of tampons was associated with a reduced rate of high-risk HPV clearance, whereas regular condom use was associated with an increased rate of low-risk HPV clearance only. CONCLUSION: Some proactive measures can be taken to increase the rate of HPV clearance, and there may be some differences between the sets of predictors of low-risk and high-risk HPV clearance.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».