Estimating the number needed to vaccinate to prevent diseases and death related to human papillomavirus infection
Notice bibliographique
Résumé
BACKGROUND: A vaccine against human papillomavirus (HPV) types 6, 11, 16 and 18 is now licensed for use in Canada and many other countries. We sought to estimate the number needed to vaccinate to prevent HPV-related diseases and death. METHODS: A cohort model of the natural history of HPV infection was developed. Model simulations were based on 209 different parameter sets that reproduced Canadian HPV type-specific data for infection, cervical intraepithelial neoplasia, cervical cancer and genital warts. The number needed to vaccinate was calculated as the number of women who would need to be vaccinated to prevent an HPV-related event during their lifetime. RESULTS: Among 12-year-old girls, we estimated that the number needed to vaccinate to prevent an episode of genital warts would be 8 (80% credibility interval [CrI] 5-15) and a case of cervical cancer 324 (80% CrI 195-757). These estimates were based on the assumption that the vaccine procures lifelong protection and that its efficacy is 95%. If vaccine protection is assumed to wane at 3% per year, the predicted number needed to vaccinate would increase to 14 (80% CrI 6-18) and 9080 (80% CrI 1040-does not prevent), respectively. The latter number would be greatly reduced with the addition of a booster dose, to 480 (80% CrI 254-1572). INTERPRETATION: Our model predictions suggest that vaccination with the currently available HPV vaccine may significantly reduce the incidence of genital warts, cervical intraepithelial neoplasia and cervical cancer. However, the benefits (particularly in terms of cervical cancer reduction) are highly dependent on the duration of vaccine protection, on which evidence is currently limited.
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 | 0,003 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».