Estimating the Age of Disease-causal HPV Infection Based on the Natural History of CIN2+ Among Females in Canada
Notice bibliographique
Résumé
Background: Although human papillomavirus (HPV) vaccination is approved for males and females up to 45 years of age in Canada, not all of the jurisdictions offer catch-up programs up to age 26. However, US-based modeling studies suggest a significant proportion of causal HPV infections leading to high-grade cervical intraepithelial neoplasia (CIN+) and cervical cancer occur in women older than age 26 years. To inform vaccination policies in Canada, this study estimated the age distribution of putatively causal HPV infections leading to CIN2+ based on the natural history. Methods: We modified an existing discrete event simulation model to estimate the age of causal HPV infection for females diagnosed with CIN2+. Simulated females (n = 1000) were tracked through 3 stages while undergoing screening: causal HPV infection, CIN2+ disease onset, and diagnosis. We identified the age distribution for causal infections that best fit the observed age distribution for CIN2+ diagnosis. Ten independent model runs were conducted to assess reproducibility. Results: The predicted median age at causal HPV infection and CIN2+ diagnosis in Canada was 24.9 (95% confidence interval, 24.3-26.1) and 29.8 years (95% confidence interval, 28.8-30.6), respectively. The model estimated that 84.1% and 47.1% of causal HPV infections occurred in women older than age 18 and 26 years, respectively. Results were stable across 10 model runs. Conclusions: The analysis indicates a substantial percentage of causal HPV infections for CIN2+ occur among women aged 26 years or older. Extending catch-up vaccination programs to women above age 26 years should be considered to prevent these infections and reduce HPV-related cervical diseases.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».