A decade data of HPV genotypes in metropolitan regions of Indonesia: paving the way for a national cervical cancer elimination strategy
Notice bibliographique
Résumé
OBJECTIVE: Human papillomavirus (HPV) infection is a global public health concern and associated with cervical cancer. HPV genotype mapping has an essential role in prevention and control strategy in developing more suitable HPV vaccine for Indonesia. METHODS: This was a descriptive retrospective cross-sectional study from 2012 until 2022 at Kalgen Laboratory, Jakarta from all over the metropolitan regions. The total 76,413 samples were collected with consecutive sampling, which 694 excluded, thus final samples used were 75,719. HPV DNA test was performed using the polymerase chain reaction (PCR): SPF10-DEIA-LiPA25 methods. HPV genotyping procedures included DNA extraction, PCR using the HPV XpressMatrix kit, and hybridization. RESULTS: From 75,719 samples, 93.4% was negative for intraepithelial lesion or malignancy (NILM). Among 6.6% of total 75,719 samples of abnormal cytology groups, 53.8% were atypical squamous cells of undetermined significance (ASCUS), 32.9% were low grade intraepithelial lesion (LSIL), and 13.3% were high grade intraepithelial lesion (HSIL). The most common high risk HPV genotypes among HSIL were 16, 18, 52, 58, 33, 51, and 53. Single HPV infection was more common compared to multiple infections. CONCLUSION: This study showed that HR-HPV types among HSIL were 16, 18, 52, 58, 33, 51, and 53. HPV 52 was the most frequent type among NILM, ASCUS, and LSIL. Thus, it could serve as a potential future reference to create a more suitable HPV nonavalent vaccine for Indonesian population based on its different epidemiology.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».