MétaCan
Menu
Retour à la cohorte
Enregistrement W2605470218 · doi:10.1016/j.pvr.2017.04.004

The feminization of HPV: How science, politics, economics and gender norms shaped U.S. HPV vaccine implementation

2017· article· en· W2605470218 sur OpenAlexaff
Ellen M. Daley, Cheryl A. Vamos, Erika L. Thompson, Gregory D. Zimet, Zeev Rosberger, Laura Merrell, Nolan Kline

Notice bibliographique

RevuePapillomavirus Research · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCervical Cancer and HPV Research
Établissements canadiensJewish General HospitalMcGill University
Organismes subventionnairesnon disponible
Mots-clésFeminization (sociology)MedicineHPV infectionGenital wartsPublic healthHPV vaccinesGynecologyFamily medicineCervical cancerGender studiesCancerInternal medicinePathologySociology

Résumé

récupéré en direct d'OpenAlex

Human papillomavirus (HPV) can cause a number of anogenital cancers (i.e., cervical, penile, anal, vaginal, vulvar) and genital warts. A decade ago, the HPV vaccine was approved, and has been shown to be a public health achievement that can reduce the morbidity and mortality for HPV-associated diseases. Yet, the mistaken over-identification of HPV as a female-specific disease has resulted in the feminization of HPV and HPV vaccines. In this critical review, we trace the evolution of the intersection of science, politics, economics and gender norms during the original HPV vaccine approval, marketing era, and implementation. Given the focus on cervical cancer screening, women were identified as bearing the burden of HPV infection and its related illnesses, and the group responsible for prevention. We also describe the consequences of the feminization of HPV, which has resulted primarily in reduced protection from HPV-related illnesses for males. We propose a multilevel approach to normalizing HPV vaccines as an important aspect of overall health for both genders. This process must engage multiple stakeholders, including providers, parents, patients, professional organizations, public health agencies, policymakers, researchers, and community-based organizations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,157
Tête enseignante GPT0,473
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations162
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapillomavirus ResearchMême sujetCervical Cancer and HPV ResearchTravaux en français237 207