Prevalence of oral HPV among people living with HIV (PLHIV) in Pune, India
Notice bibliographique
Résumé
<ns3:p> <ns3:bold>Background:</ns3:bold> People living with HIV (PLHIV) are at an increased risk of human papillomavirus (HPV)-related head and neck cancers (HNCs). However, there is little data on the prevalence of oral HPV among PLHIV in India, limiting the planning of oral HPV preventive strategies. </ns3:p> <ns3:p> <ns3:bold>Methods:</ns3:bold> We used <ns3:bold/> cross-sectional data from an oral cancer screening study conducted at <ns3:bold/> the antiretroviral therapy (ART) centre <ns3:bold/> of Byramjee-Jeejeebhoy Government Medical College-Sassoon General Hospitals <ns3:bold/> (BJGMC-SGH). PLHIV ≥21 years of age with no prior history of HNCs were enrolled. We determined the prevalence of high-risk oncogenic HPV (hrHPV) and low-risk non-oncogenic HPV (lrHPV) using real-time PCR and Next-Generation Sequencing. We used multinomial logistic regression to determine the prevalence ratios (PRs) of different sociodemographic, clinical, and behavioural predictors with hrHPV and lrHPV. Multivariable models were adjusted for age, sex, CD4 count and duration on ART. </ns3:p> <ns3:p> <ns3:bold>Results:</ns3:bold> Of the 582 PLHIV enrolled, the median age was 40 years (IQR: 34–46) and 54% were male. More than a fourth (25.8%) had multiple sexual partners and 11% had given oral sex. Median CD4 counts were 510 cells/mm <ns3:sup>3</ns3:sup> (IQR: 338–700). The prevalence of hrHPV was 4.5% and lrHPV was 3.4%. Of those with hrHPV, 77% had HPV16. There were no significant associations with any predictors for both lrHPV and hrHPV in adjusted analyses. </ns3:p> <ns3:p> <ns3:bold>Conclusions:</ns3:bold> We found the prevalence of any oral HPV (hrHPV and lrHPV) to be 7.9% among PLHIV in India. Larger studies are required to better understand risk factors for oral HPV among Indian PLHIV. </ns3:p>
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».