Vaginal Microbiome Components as Correlates of Cervical Human Papillomavirus Infection
Notice bibliographique
Résumé
BACKGROUND: Interplay between vaginal microbiome and human papillomavirus (HPV) remains unclear, partly due to heterogeneity of microbiota. METHODS: We used data from 546 women enrolled in a cross-sectional study in 5 Brazil. We genotyped vaginal samples for HPV and sequenced V3-V4 region of 16S rRNA gene for vaginal microbiome analysis. We used stepwise logistic regression to construct 2 linear scores to predict high-risk HPV (hrHPV) positivity: one based exclusively on presence of individual bacterial taxa (microbiome-based [MB] score) and the other exclusively on participants' sociodemographic, behavioral, and clinical (SBC) characteristics. MB score combined coefficients of 30 (of 116) species. SBC score retained 6 of 25 candidate variables. We constructed receiver operating characteristic curves for scores as hrHPV correlates and compared areas under the curve (AUC) and 95% confidence intervals (CI). RESULTS: Overall, prevalence of hrHPV was 15.8%, and 26.2% had a Lactobacillus-depleted microbiome. AUCs were 0.8022 (95% CI, .7517-.8527) for MB score and 0.7027 (95% CI, .6419-.7636) for SBC score (P = .0163). CONCLUSIONS: The proposed MB score is strongly correlated with hrHPV positivity-exceeding the predictive value of behavioral variables-suggesting its potential as an indicator of infection and possible value for clinical risk stratification.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».