Human Papillomavirus in the Neovagina of Transgender Women in Thailand: Prevalence, Diversity, and Associated Risk Factors
Notice bibliographique
Résumé
BACKGROUND: Transgender women (TGW) face unique sexual health challenges, including neovagina complications, with limited research on sexually transmitted disease prevalence and risk factors. This study aimed to investigate the prevalence, genotype diversity, and associated risk factors of human papillomavirus (HPV) infection in the neovagina of TGW in Thailand. Cisgender women (CGW) are included to provide contextual insights. METHODS: We conducted a cross-sectional study from April to October 2023, recruiting 63 TGW from gender care clinics and community health centers, and 25 CGW from routine gynecological checkups. Samples were collected via Papanicolaou test from the neovagina of TGW and the cervix of CGW for HPV testing. Participants completed questionnaires on sociodemographic characteristics, sexual behaviors, and health-related factors. Univariate Poisson regression was used to explore associations with HPV infection. RESULTS: Among TGW, 66.7% had any HPV type, with 41.3% being high-risk and 36.5% having multiple infections. In CGW, 24% had any HPV type and 20% had high-risk HPV. About 34.9% of TGW had 9-valent HPV vaccine-preventable types. Inconsistent condom use and syphilis exposure were associated with a higher risk of any HPV infection (risk ratio [RR] of 1.59 [95% confidence interval {CI}, 1.07-2.35] and RR of 1.57 [95% CI, 1.29-1.90]) and lack of awareness linked to high-risk infection (RR, 1.84 [95% CI, 1.04-3.24]) among TGW. Conversely, CGW showed vaginal and pelvic symptoms as the only risk factor. CONCLUSION: This novel study of HPV prevalence in TGW neovaginas reveals a high burden of both high- and low-risk types, underscoring the urgent need for tailored prevention, education, vaccination, and screening.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».