Type‐Specific Duration of Human Papillomavirus Infection: Implications for Human Papillomavirus Screening and Vaccination
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Understanding the duration of human papillomavirus (HPV) infection may help find suitable end points for vaccine trials and testing intervals in screening studies. We studied genotype-specific infection duration among 2462 women enrolled in the Ludwig-McGill cohort study. METHODS: Cervical specimens collected every 4-6 months were tested by a polymerase chain reaction protocol. Actuarial techniques were used to estimate the duration of HPV infection and to investigate the influence of age, number of sexual partners, and coinfection with multiple HPV types. RESULTS: At enrollment, the prevalence of infection with high-risk HPV types was 10.6%, and the prevalence of infection with low-risk HPV types was 6.1%; incidence rates were 6.1 and 5.0 infections per 1000 women-months, respectively. Prevalent infections took longer to clear than incident infections (mean time to clearance, 18.6 months vs. 13.5 months). The mean duration of incident infection with high- and low-risk HPV varied according to the analytic approach used to measure this variable and showed considerable variation by HPV type (range, 5.1-15.4 months). Age and number of partners did not influence infection duration, whereas coinfection was associated with increased infection duration. The mean duration of HPV-16 monoinfection was 11.0 months, and the mean duration of HPV-16 coinfection was 15.4 months. CONCLUSION: There was considerable variation among HPV types with regard to the duration of infection. Coinfection with multiple types contributed to an increased infection duration.
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.
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 | 0,001 | 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 découle