Distribution of human papillomavirus genotypes in cervical intraepithelial neoplasia and invasive cervical cancer in Canada
Notice bibliographique
Résumé
Infection with high-risk human papillomavirus (HPV) causes cervical intraepithelial neoplasia (CIN) and invasive cervical cancer (ICC). The distribution of HPV types in cervical diseases has been previously described in small studies for Canadian women. The prevalence of 36 HPV genotypes in 873 women with CIN and 252 women with ICC was assessed on cervical exfoliated cells analyzed with the Linear Array (Roche Molecular System). HPV16 was the most common genotype in CIN and ICC. The seven most frequent genotypes in order of decreasing frequency were HPV16, 51, 52, 31, 39, 18, and 56 in women with CIN1, HPV16, 52, 31, 18, 51, 39, and 33 in women with CIN2, HPV16, 31, 18, 52, 39, 33, and 58 in women with CIN3, and HPV16, 18, 45, 33, 31, 39, and 53 in women with ICC. HPV18 was detected more frequently in adenocarcinoma than squamous cell carcinoma (P = 0.013). Adjustment for multiple type infections resulted in a lower percentage attribution in CIN of HPV types other than 16 or 18. The proportion of samples containing at least one oncogenic type was greater in CIN2 (98.4%) or CIN3 (100%) than in CIN1 (80.1%; P < 0.001 for each comparison). Multiple type infections were demonstrated in 51 (20.2%) of 252 ICC in contrast to 146 (61.3%) of 238 women with CIN3 (P < 0.001). Adjusting for multiple HPV types, HPV16 accounted for 52.1% and HPV18 for 18.1% of ICCs, for a total of 70.2%. Current HPV vaccines should protect against HPV types responsible for 70% of ICCs in Canadian women.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».