Modeling Human Papillomavirus Vaccine Effectiveness: Quantifying the Impact of Parameter Uncertainty
Notice bibliographique
Résumé
The development of models is based on assumptions, which inevitably embed a level of uncertainty. Quantifying such uncertainty is particularly important when modeling human papillomavirus (HPV) vaccine effectiveness; the natural history of infection and disease is complex, and age- and type-specific data remain scarce and incomplete. The aim of this study was to predict the impact of HPV-6/11/16/18 vaccination, using a cohort model and measuring parameter uncertainty. An extensive fitting procedure was conducted, which identified 164 posterior parameter combinations (out of 200,000 prior parameter sets) that fit simultaneously HPV type-specific incidence and prevalence data for infection, cervical intraepithelial neoplasia (CIN), and squamous cell carcinoma (SCC). Results based on these posterior parameter sets suggest that vaccinating girls aged 12 years (vaccine efficacy = 95%, no waning) would reduce their lifetime risk of HPV infection, CIN1, CIN2/3, and SCC by 21% (80% credibility interval: 17, 29), 24% (80% credibility interval: 17, 31), 49% (80% credibility interval: 36, 60), and 61% (80% credibility interval: 47, 73), respectively. If vaccine efficacy is reduced or vaccine protection is assumed to wane, uncertainty surrounding predictions widens considerably. Important priorities for future research are to understand the role of natural immunity and to measure the duration of vaccine protection because results were most sensitive to these parameters.
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 | 0,011 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».