<scp>I</scp>mpacts of human papillomavirus vaccination for different populations: <scp>A</scp> modeling study
Notice bibliographique
Résumé
affects the strength of herd protection and hence the impact of a vaccination program. Similar vaccination programs may therefore generate different levels of impact depending upon the population's pre-vaccination HPV prevalence. We used IARC's transmission model to estimate (i) the overall effectiveness of vaccination versus no vaccination in women aged 15-34 years measured as percent prevalence reduction (%PR) of HPV16 and (ii) the corresponding herd protection in populations with gender-equal or traditional sexual behavior and with different levels of sexual activity, corresponding to pre-vaccination HPV16 prevalence from 1 to 8% as observed worldwide. Between populations with different levels of gender-equal sexual activity, the highest difference in %PR under girls-only vaccination is observed at 40% coverage (91%PR vs. 48%PR for 1% and 8% pre-vaccination prevalence, respectively). HPV16 elimination is obtained with 55 and 97% coverage, respectively. To achieve desirable levels of HPV16 prevalence after vaccination, different levels of coverage are required in populations with different levels of pre-vaccination HPV16 prevalence, for example, in populations with gender-equal sexual behavior a decrease to 1/1000 HPV16 from pre-vaccination prevalence of 1 and 8% would require coverages of 37 and 96%, respectively. In traditional populations, corresponding coverages would need to be 28 and 93%, respectively. In conclusion, pre-vaccination HPV prevalence strongly influences herd immunity and helps predict the overall effectiveness of HPV vaccination.
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 | 0,006 |
| 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) | 0,007 | 0,001 |
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 ».