The effect of HIV infection on anal and penile human papillomavirus incidence and clearance
Notice bibliographique
Résumé
OBJECTIVES: A large portion of anogenital cancers is caused by high-risk human papillomavirus (hrHPV) infections, which are especially common in HIV-infected men. We aimed to compare the incidence and clearance of anal and penile hrHPV infection between HIV-infected and HIV-negative MSM. DESIGN: Analyses of longitudinal data from a prospective cohort study. METHODS: MSM aged 18 years or older were recruited in Amsterdam, the Netherlands, and followed-up semi-annually for 24 months. At each visit, participants completed risk-factor questionnaires. Anal and penile self-samples were tested for HPV DNA using the SPF10-PCR DEIA/LiPA25 system. Effects on incidence and clearance rates were quantified via Poisson regression, using generalized estimating equations to correct for multiple hrHPV types. RESULTS: Seven hundred and fifty MSM with a median age of 40 years (interquartile 35-48) were included in the analyses, of whom 302 (40%) were HIV-infected. The incidence rates of hrHPV were significantly higher in HIV-infected compared with HIV-negative MSM [adjusted incidence rate ratio (aIRR) 1.6; 95% confidence interval (CI) 1.3-2.1 for anal and aIRR 1.4; 95%CI 1.0-2.1 for penile infection]. The clearance rate of hrHPV was significantly lower for anal [adjusted clearance rate ratio (aCRR) 0.7; 95%CI 0.6-0.9], but not for penile infection (aCRR 1.3; 95%CI 1.0-1.7). HrHPV incidence or clearance did not differ significantly by nadir CD4 cell count. CONCLUSION: Increased anal and penile hrHPV incidence rates and decreased anal hrHPV clearance rates were found in HIV-infected compared with HIV-negative MSM, after adjusting for sexual behavior. Our findings suggest an independent effect of HIV infection on anal hrHPV infections.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».