Lifetime prevalence and adherence rate of cervical cancer screening among women living with HIV: a systematic review and meta‐analysis
Notice bibliographique
Résumé
INTRODUCTION: Women living with HIV (WLWH) are more likely to develop cervical cancer. Screening and available healthcare can effectively reduce its incidence and mortality rates. We aimed to summarize the lifetime prevalence and adherence rate of cervical cancer screening among WLWH across low- and middle-income countries (LMICs), and high-income countries (HICs). METHODS: We systematically searched PubMed, Web of Science and Embase for studies published between database inception and 2 September 2022, without language or geographical restrictions. Those reporting the lifetime prevalence and/or adherence rate of cervical cancer screening among WLWH were included. Pooled estimates across LMICs and HICs were obtained using DerSimonian-Laird random-effects models. When the number of eligible studies was greater than 10, we further conducted stratified analyses by the World Health Organization (WHO) region, setting (rural vs. urban), investigation year, screening method, type of cervical cancer screening programme, age and education level. RESULTS: Among the 63 included articles, 26 provided data on lifetime prevalence, 24 on adherence rate and 13 on both. The pooled lifetime prevalence in LMICs was 30.2% (95% confidence interval [CI]: 21.0-41.3), compared to 92.4% in HICs (95% CI: 89.6-94.6). The pooled adherence rate was 20.1% in LMICs (95% CI: 16.4-24.3) and 59.5% in HICs (95% CI: 51.2-67.2). DISCUSSION: There was a large gap in cervical cancer screening among WLWH between LMICs and HICs. Further analysis found that those in LMICs had higher lifetime prevalence in subgroups with urban settings, with older age and with higher education levels; and those in HICs had higher adherence in subgroups with younger age and with higher education levels. CONCLUSIONS: Cervical cancer screening among WLWH falls considerably short of the WHO's goal. There should be continuous efforts to further increase screening among these women, especially those residing in the rural areas of LMICs and with lower education levels.
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 | 0,017 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,039 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».