HPV Testing of Self-Collected Vaginal Swabs for Cervical Cancer Prevention in South Africa
Notice bibliographique
Résumé
Abstract 33 Background: Cervical cancer screening programs in Low and Middle Income Countries (LMIC) need to be strengthened. One of the challenges is insufficient health care personnel to achieve optimal coverage. We evaluated the potential of human papillomavirus (HPV) testing using self-collected vaginal swabs to improve screening. Methods: As part of a larger NCI-supported study in Cape Town, South Africa, we recruited 261 HIV-uninfected and 237 HIV-infected women aged 30-60 years, at one primary health care site. All women were instructed to self-collect a vaginal swab on site immediately prior to a gynecologic exam, during which a cervical sample was collected. Both self- and clinician-collected samples were tested for high risk HPV types (16, 18, 45, 31, 33, 35, 52, 58, 51, 59, 39, 56, 66, 68) using Cepheid GeneXpert (HPV XpertTM). All women underwent at least one colposcopy with histological sampling. Classification of endpoint was based on expert pathology review. Results: The HPV prevalence using the cervical vs. self sample, respectively, was 14% vs. 25% among HIV-uninfected and 50% vs. 62% among HIV-infected women. Among women who were diagnosed with grade 2 or 3 cervical intraepithelial neoplasia (CIN) or cervical cancer, 94% were positive on HPV Xpert on the cervical and 88% on the vaginal swab, ignoring HIV status. However, specificity was poor for HPV tests done on self samples, 78% in HIV-uninfected and 52% in HIV-infected women. On a patient preference questionnaire, >90% of women stated they would be prepared to collect a sample at home and two-thirds expressed a preference to be examined by a clinician. Conclusion: Even in self-collected vaginal samples, HPV Xpert has excellent sensitivity for detecting cervical cancer precursor lesions. In LMIC settings where the ratio of health care workers to the population is low, HPV testing of self-collected samples could successfully triage women who require further evaluation and treatment. AUTHORS' DISCLOSURES OF POTENTIAL CONFLICTS OF INTEREST: Louise Kuhn No relationship to disclose Rakiya Saidu No relationship to disclose Cecilia Svanholm-Barrie No relationship to disclose Ana Tergas Consulting or Advisory Role: Helomics Rosalind Boa No relationship to disclose Jennifer Moodley No relationship to disclose Thomas C. Wright No relationship to disclose David Persing No relationship to disclose Scott Campbell No relationship to disclose Lynette Denny No relationship to disclose
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 | 0,001 |
| 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) | 0,001 | 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 ».