Prevalence and Genotypic Diversity of High-Risk Human Papillomavirus Among Women of Reproductive Age in Kilifi County, Kenya
Notice bibliographique
Résumé
Background Human papillomavirus (HPV) is the most common sexually transmitted infection and the primary cause of cervical cancer, a leading cause of cancer-related deaths among women in Kenya. Although many HPV infections resolve on their own, some high-risk types may persist and gradually develop into cervical cancer over several years, providing opportunities for early detection and intervention. However, in low-resource settings like Kilifi County, HPV testing is limited, and alternative screening methods like visual inspection with acetic acid (VIA) are commonly used despite their limitations. Objective This study aimed to assess the prevalence and genotype distribution of high-risk HPV (HR-HPV) among women of reproductive age in Kilifi County, Kenya, to inform targeted public health interventions. Methodology This study was nested within a more extensive cross-sectional study on female genital schistosomiasis and human immunodeficiency virus (HIV). We focus on a stratified sample of 320 women aged 15-50 from Rabai and Magarini sub-counties, Kilifi, Kenya, identified as Schistosoma haematobium hotspots. Participants provided informed consent, and pregnant women were excluded. Clinical data was collected and sociodemographic data collected via questionnaires, while high vaginal and cervical swabs were self-collected for HPV testing, screening for 24 HR-HPV genotypes. Results Data from 261 women were analyzed. The overall HR-HPV prevalence was 48.7%, with the Magarini sub-county showing a higher prevalence (31.4%) compared to Rabai (17.2%). The most prevalent HPV genotypes were HPV 18 (25.3%), HPV 45 (22.6%), and HPV 16 (12.6%). Co-infections were common, particularly with HPV 18 and 45. HPV 16 was more prevalent in the Rabai subcounty, while HPV 18 and 45 were more common in the Magarini subcounty. Significant associations were found between sexual partnership type, leukocyte levels, and HPV positivity. Conclusion Kilifi County exhibits a high prevalence of HR-HPV, with genotype variations across sub-counties, suggesting differences in risk factors and access to preventive measures. Self-sampling and community-based screening effectively increased participation and diversity in the study population, highlighting the need for targeted, age-specific screening programs and comprehensive HPV genotyping to enhance cervical cancer prevention strategies in the region.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 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 ».