Validating the predicted impact of HPV vaccination on HPV prevalence, cervical lesions, and cervical cancer: A systematic review of population level data and modelling studies
Notice bibliographique
Résumé
BACKGROUND: We compared model predictions with independently published primary data from population-based studies on the impact of HPV vaccination on HPV prevalence, cervical cancer and its precursors. METHODS: We searched Cochrane Library, EMBASE, MEDLINE, Web of Science for studies concerning high-income countries published between 2005 to June 2, 2023. Relative risk (RR) for HPV-related outcomes comparing the pre-vaccination and post-vaccination periods were collected from observational and modelling studies. The relationship between vaccination coverage and observed relative reductions was determined using meta-regressions, and we compared model prediction to observations. FINDINGS: We identified a total of 5649 potential articles, of which one systematic review, 14 observational studies and 32 modelling studies met our inclusion criteria. A clear relation was found between the RR of HPV diseases related outcomes in the pre- versus post-vaccination era and the vaccination coverage, with 23 out of 28 data points and 19 out of 20 data points showing significant reductions in HPV prevalence and CIN2+ prevalence respectively. Around 67 % (n/N = 12/18) of model predictions were more optimistic on HPV prevalence reductions compared to the 95 % CI of the meta-regression derived from observational studies. For CIN2+ lesions, 48 % (n/N = 31/64) of model predictions for CIN2+ outcomes fell within the 95 % CI. INTERPRETATION: Model predictions and observational data agree that HPV vaccination can have a substantial impact on HPV related outcomes on a population level. Despite large heterogeneity in observational data and modelling studies, it is particularly encouraging that model predictions on the impact of HPV vaccination on CIN2+ model lesions align with observational studies. FUNDING: Ontario Health (formerly known as Cancer Care Ontario).
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 | 0,050 | 0,140 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,025 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 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 ».