Potential lives saved in 73 countries by adopting multi‐cohort vaccination of 9–14‐year‐old girls against human papillomavirus
Notice bibliographique
Résumé
Up to 2016, low- and middle-income countries mostly introduced routine human papillomavirus (HPV) vaccination for just a single age-cohort of girls each year. However, high-income countries have reported large reductions in HPV prevalence following "catch-up" vaccination of multiple age-cohorts in the year of HPV vaccine introduction. We used the mathematical model PRIME to project the incremental impact of vaccinating 10- to 14-year-old girls compared to routine HPV vaccination only in the same year that routine vaccination is expected to be introduced for 9-year-old girls across 73 low- and lower-middle-income countries. Adding multiple age-cohort vaccination could increase the number of cervical cancer deaths averted by vaccine introductions in 2015-2030 by 30-40% or an additional 1.23-1.79 million over the lifetime of the vaccinated cohorts. The number of girls needed to vaccinate to prevent one death is 101 in the most pessimistic scenario, which is only slightly greater than that for routine vaccination of 9-year-old girls (87). These results hold even when assuming that girls who have sexually debuted do not benefit from vaccination. Results suggest that multiple age-cohort vaccination of 9- to 14-year-old girls could accelerate HPV vaccine impact and be cost-effective.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».