Worldwide burden of cervical human papillomavirus (HPV) in women over 50 years with abnormal cytology: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: More than half of global cervical cancer cases occur among women older than 50. However, global estimates regarding the human papillomavirus (HPV) prevalence among this population are lacking, especially for women with abnormal cytology. Therefore, we conducted a systematic review and meta-analysis to estimate the worldwide HPV prevalence in women aged 50 and older with abnormal cytology. METHODS: We searched PubMed, Scopus and Web of Science for quantitative studies reporting any or high-risk (HR)-HPV prevalence for women 50 years and older with abnormal cytology (atypical squamous cells of undetermined significance and higher). We extracted data on world region, subregion, cervical lesion type, recruitment setting, HPV test, year of study conduct and HPV prevalence from the included studies. We assessed the risk of bias of the included studies using a modified Newcastle-Ottawa scale. We estimated the pooled prevalence and 95% CIs of any-HPV and HR-HPV using random-effects models, considering the world regions. Additionally, we estimated the prevalence by HPV type, lesion type and age groups. RESULTS: Overall, 113 studies met the inclusion criteria, of which 104 were included in the meta-analysis. Among women aged 50 and older with abnormal cytology, the estimated global pooled prevalence of any-HPV from 53 studies, including 14 585 women, was 54.5% (95%CI, 46.0 to 62.8%), and the HR-HPV prevalence from 85 studies, covering 33 672 women, was 43.0% (95%CI, 36.6 to 49.5%). There was a higher HR-HPV prevalence among women with high-grade lesions and women living in the African continent. No major differences in HR-HPV prevalence between the age groups of women over 50 years were found. The most common single HPV types worldwide were 16 and 52, with pooled prevalence estimates of 12.0% (95%CI, 8.0% to 17.7%) and 8.4% (95%CI, 4.4% to 15.4%), respectively. CONCLUSION: Our findings highlight the relevance of targeted screening interventions among women 50 years and older. To achieve the elimination of cervical cancer, age-inclusive screening strategies should be considered. PROSPERO REGISTRATION NUMBER: CRD42021241365.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| 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 ».