Hepatitis C virus seroprevalence in the general female population of 9 countries in Europe, Asia and Africa
Notice bibliographique
Résumé
BACKGROUND: New oral treatments with very high cure rates have the potential to revolutionize global management of hepatitis C virus (HCV), but population-based data on HCV infection are missing in many low and middle-income countries (LMIC). METHODS: Between 2004 and 2009, dried blood spots were collected from age-stratified female population samples of 9 countries: China, Mongolia, Poland, Guinea, Nepal, Pakistan, Algeria, Georgia and Iran. HCV antibodies were detected by a multiplex serology assay using bead-based technology. RESULTS: Crude HCV prevalence ranged from 17.4% in Mongolia to 0.0% in Iran. In a pooled model adjusted by age and country, in which associations with risk factors were not statistically heterogeneous across countries, the only significant determinants of HCV positivity were age (prevalence ratio for ≥45 versus <35 years = 2.84, 95%CI 2.18-3.71) and parity (parous versus nulliparous = 1.73, 95%CI 1.02-2.93). Statistically significant increases in HCV positivity by age, but not parity, were seen in each of the three countries with the highest number of HCV infections: Mongolia, Pakistan, China. There were no associations with sexual partners nor HPV infection. HCV prevalence in women aged ≥45 years correlated well with recent estimates of female HCV-related liver cancer incidence, with the slight exception of Pakistan, which showed a higher HCV prevalence (5.2%) than expected. CONCLUSIONS: HCV prevalence varies enormously in women worldwide. Medical interventions/hospitalizations linked to childbirth may have represented a route of HCV transmission, but not sexual intercourse. Combining dried blood spot collection with high-throughput HCV assays can facilitate seroepidemiological studies in LMIC where data is otherwise scarce.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».