Prevalence of Human Papillomavirus‐Associated Head and Neck Cancer in Rwanda: A 10‐Year Review
Notice bibliographique
Résumé
INTRODUCTION: Head and neck cancer (HNC) is a significant global health burden, with late presentation leading to complex treatment. While human papillomavirus (HPV) infection has been implicated in HNC, data from low- and middle-income countries (LMICs) are limited. In this study, we investigated the prevalence and role of HPV in head and neck cancers diagnosed in Rwanda. METHODS: A retrospective cross-sectional study was conducted using Rwanda Cancer Registry from January 2011 through December 2020. p16 immunohistochemistry as a surrogate for HPV was performed on a randomly selected case. p16-positive cases were genotyped. RESULTS: A total of 1001 patients with HNC were identified; 82% (n = 819) had squamous cell carcinoma. The mean age at diagnosis was 51.1 years, with a majority being males (58%). Oral cavity and lip (27%) were the most common primary cancer sites. Stage was unknown in most cases (75%, n = 747). HIV status was known in 33% (n = 334) of patients with 10% (n = 33) HIV-positive; 22% of 202 randomly selected cases were p16-positive; 34% of the p16-positive cases were oropharynx. PCR analysis of p16-positive cases showed 19% HPV positivity, and HPV16 was the most common high-risk HPV strain, and 55.5% were recorded HPV-positive by PCR. CONCLUSIONS: HNC cases in Rwanda have been increasing from 2011 to 2020, with a significant portion being HPV-positive. Strategies to implement routine testing for p16, especially in oropharynx cancer patients, improved preservation of tissue samples, collection of comprehensive information including cancer risk factors, staging, and treatment are needed in Rwanda.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».