Epidemiology of HPV Genotypes among HIV Positive Women in Kenya: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: There is a scarcity of data on the distribution of human papillomavirus (HPV) genotypes in the HIV positive population and in invasive cervical cancer (ICC) in Kenya. This may be different from genotypes found in abnormal cytology. Yet, with the advent of preventive HPV vaccines that target HPV 16 and 18, and the nonavalent vaccine targeting 90% of all ICC cases, such HPV genotype distribution data are indispensable for predicting the impact of vaccination and HPV screening on prevention. Even with a successful vaccination program, vaccinated women will still require screening to detect those who will develop ICC from other High risk (HR) HPV genotypes not prevented by current vaccines. The aim of this review is to report on the prevalence of pHR/HR HPV types and multiple pHR/HR HPV genotypes in Kenya among HIV positive women with normal, abnormal cytology and ICC. METHODS: PUBMED, EMBASE, SCOPUS, and PROQUEST were searched for articles on HPV infection up to August 2nd 2016. Search terms were HIV, HPV, Cervical Cancer, Incidence or Prevalence, and Kenya. RESULTS: The 13 studies included yielded a total of 2116 HIV-infected women, of which 89 had ICC. The overall prevalence of pHR/HR HPV genotypes among HIV-infected women was 64% (95%CI: 50%-77%). There was a borderline significant difference in the prevalence of pHR/HR HPV genotypes between Female Sex workers (FSW) compared to non-FSW in women with both normal and abnormal cytology. Multiple pHR/HR HPV genotypes were highly prominent in both normal cytology/HSIL and ICC. The most prevalent HR HPV genotypes in women with abnormal cytology were HPV 16 with 26%, (95%CI: 23.0%-30.0%) followed by HPV 35 and 52, with 21% (95%CI: 18%-25%) and 18% (95%CI: 15%-21%), respectively. In women with ICC, the most prevalent HPV genotypes were HPV 16 (37%; 95%CI: 28%-47%) and HPV 18 (24%; 95%CI: 16%-33%). CONCLUSION: HPV 16/18 gains prominence as the severity of cervical disease increases, with HPV 16/18 accounting for 61% (95%CI: 50.0%-70.0%) of all ICC cases. A secondary prevention program will be necessary as this population harbors multiple pHR/HR HPV co-infections, which may not be covered by current vaccines. A triage based on FSW as an indicator may be warranted.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,020 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».