Exploring monitoring strategies for population surveillance of HPV vaccine impact using primary HPV screening
Notice bibliographique
Résumé
Australia's cervical screening program transitioned from cytology to HPV-testing with genotyping for HPV16/18 in Dec'2017. We investigated whether program data could be used to monitor HPV vaccination program impact (commenced in 2007) on HPV16/18 prevalence and compared estimates with pre-vaccination benchmark prevalence. Pre-vaccination samples (2005-2008) (n = 1933; WHINURS), from 25 to 64-year-old women had been previously analysed with Linear Array (LA). Post-vaccination samples (2013-2014) (n = 2989; Compass pilot), from 25 to 64-year-old women, were analysed by cobas 4800 (cobas), and by LA for historical comparability. Age standardised pre-vaccination HPV16/18 prevalence was 4.85% (95%CI:3.81-5.89) by LA; post-vaccination estimates were 1.67% (95%CI:1.21-2.13%) by LA, 1.49% (95%CI:1.05-1.93%) by cobas, and 1.63% (95%CI:1.17-2.08%) for cobas and LA testing of non-16/18 cobas positives (cobas/LA). Age-standardised pre-vaccination oncogenic HPV prevalence was 15.70% (95%CI:13.79-17.60%) by LA; post-vaccination estimates were 9.06% (95%CI:8.02-10.09%) by LA, 8.47% (95%CI:7.47-9.47%) by cobas and cobas/LA. Standardised rate ratios between post-vs. pre-vaccination rates were significantly different for HPV16/18, non-16/18 HPV and oncogenic HPV: 0.34 (95%CI:0.23-0.50), 0.68 (95%CI:0.55-0.84) and 0.58 (95%CI:0.48-0.69), respectively. Additional strategies (LA for all cobas positives; combined cobas and LA results on all samples) had similar results. If a single method is applied consistently, it will provide important data on relative changes in HPV prevalence following 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 tête enseignante, 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 ».