Human papillomavirus genotype distribution and factors associated among female sex workers in West Africa
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to: (1) Estimate HPV prevalence and genotype distribution among female sex workers (FSWs) in Mali and Benin as well as the prevalence of multiple HPV type infections in this group, and (2) Identify potential risk factors associated with high-risk (HR) HPV infections. METHODS: We analyzed baseline data of 665 FSWs aged ≥ 18 years recruited during a prospective cohort of cervical cancer screening in Cotonou (Benin) and Bamako (Mali) from 2017 to 2018. The Linear Array HPV genotyping test was used to identify HPV genotypes. Descriptive statistics and multivariate log-binomial regression were used. Adjusted prevalence ratios (APR) with 95% confidence intervals (95%CI) were estimated to identify risk factors associated with HR-HPV infections. RESULTS: HPV data were available for 659 FSWs (Benin: 309; Mali: 350). The mean age was 35.0 years (± 10.7) in Benin and 26.8 years (± 7.6) in Mali. The overall HPV prevalence rates were 95.5% in Benin and 81.4% in Mali. About 87.7% and 63.4% of FSWs harbored ≥ 2 HPV types in Benin and Mali, respectively. The top three prevalent HR-HPV among FSWs in Benin were: HPV58 (37.5%), HPV16 (36.6%) and HPV52 (28.8%). Corresponding patterns in Mali were HPV16 (15.7%), HPV51 (14.3%) and HPV52 (12.9%). In Benin, the main factors associated with HR-HPV were vaginal douching (APR = 1.17; 95%CI:1.02-1.34) and gonococcal infection (APR = 1.16; 95%CI:1.04-1.28), while in Mali they were sex work duration ≤ 1 year (APR = 1.35; 95%CI:1.10-1.65) and HIV infection (APR = 1.26; 95%CI: 1.06-1.51). CONCLUSION: Our study found a very high prevalence of HPV infection as well as high frequency of multiple HPV type infections in FSWs in two countries in West Africa. These findings suggest the necessity to emphasize cervical cancer prevention in this high-risk group.
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 ».