Human papillomavirus detection in cervical neoplasia attributed to 12 high-risk human papillomavirus genotypes by region
Notice bibliographique
Résumé
BACKGROUND: We estimated the proportion of cervical intraepithelial neoplasia (CIN) cases attributed to 14 HPV types, including quadrivalent (qHPV) (6/11/16/18) and 9-valent (9vHPV) (6/11/16/18/31/33/45/52/58) vaccine types, by region METHODS: Women ages 15-26 and 24-45 years from 5 regions were enrolled in qHPV vaccine clinical trials. Among 10,706 women (placebo arms), 1539 CIN1, 945 CIN2/3, and 24 adenocarcinoma in situ (AIS) cases were diagnosed by pathology panel consensus. RESULTS: Predominant HPV types were 16/51/52/56 (anogenital infection), 16/39/51/52/56 (CIN1), and 16/31/52/58 (CIN2/3). In regions with largest sample sizes, minimal regional variation was observed in 9vHPV type prevalence in CIN1 (~50%) and CIN2/3 (81-85%). Types 31/33/45/52/58 accounted for 25-30% of CIN1 in Latin America and Europe, but 14-18% in North America and Asia. Types 31/33/45/52/58 accounted for 33-38% of CIN2/3 in Latin America (younger women), Europe, and Asia, but 17-18% of CIN2/3 in Latin America (older women) and North America. Non-vaccine HPV types 35/39/51/56/59 had similar or higher prevalence than qHPV types in CIN1 and were attributed to 2-11% of CIN2/3. CONCLUSIONS: The 9vHPV vaccine could potentially prevent the majority of CIN1-3, irrespective of geographic region. Notwithstanding, non-vaccine types 35/39/51/56/59 may still be responsible for some CIN1, and to a lesser extent CIN2/3.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».