Prevalence of human papilloma virus among cervical cancer patients in India: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Cervical cancer, predominantly caused by the human papillomavirus (HPV), is a major health challenge in India, with high morbidity and mortality rates. Given India's vast geographic and socio-economic diversity, understanding regional variations in HPV prevalence is crucial for developing targeted and effective public health interventions. This systematic review and meta-analysis were conducted to elucidate the prevalence of HPV among cervical cancer patients in India. METHODS: A literature search was executed across PubMed, EMBASE, and Web of Science up to December 07, 2023. Observational studies reporting HPV prevalence among cervical cancer patients in India are included. A Modified Newcastle-Ottawa scale was used for quality assessment. A random-effects meta-analysis was used to determine pooled HPV prevalence, and heterogeneity was evaluated using the I² statistic. Subgroup and sensitivity analyses were performed to assess result stability and investigate heterogeneity sources. All statistical analyses were performed using R software version 4.3. RESULTS: The meta-analysis included 17 studies with a total of 2529 cervical cancer cases, of which 1977 were HPV-positive. The pooled HPV prevalence was 85% (95% CI: 71-92%), with substantial heterogeneity (I² = 94%). Subgroup analysis by geographic zones showed notable differences: South (88%, 95% CI: 76-95%), North (73%, 95% CI: 1-100%), East (99%, 95% CI: 1-100%), Central (71%, 95% CI: 54-84%), and West (77%, 95% CI: 0-100%). Sensitivity analysis demonstrated the consistency of the results, and a reanalysis, excluding influential studies, yielded a prevalence of 82% (95% CI: 67-91%). CONCLUSION: Our analysis reveals a high prevalence of HPV in cervical cancer patients in India, with significant regional variations. The observed heterogeneity highlights the complexity of HPV epidemiology in India and necessitates further research to explore underlying causes and regional characteristics. Future studies should aim to expand geographic representation and deepen understanding of the factors contributing to the variability in HPV prevalence.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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) | 0,010 | 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 ».