Natural History of Primary Vaginal Intraepithelial Neoplasia With and Without Treatment: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Knowledge about evolution of treated and untreated primary vaginal intraepithelial neoplasia (VaIN) remains limited, as current guidelines recommend treatment. This study investigates the natural history of VaIN based on existing literature. Methods: This study is a systematic review and descriptive meta-analysis. We searched the PubMed, Scopus, Web of Science (WoS), and Scientific Electronic Library Online (SciELO) databases to identify clinical series reporting the no-regression rate(including persistence, recurrence, or progression events) of primary VaIN. We recorded data categorized by VaIN grade and treatment status. Clinical series that reported VaIN grade, follow-up time (median or mean of six months or more), treatment details, and whether treatment was performed were eligible for inclusion. Additionally, some internal hospital databases on VaIN were included. Data were pooled at each follow-up time point, using six-month intervals. From these pooled rates, trend curves were constructed to describe the natural history of treated (various therapies) and untreated low-grade and high-grade VaIN. Results: A total of 150 series were included in the data synthesis. Five subgroups were assessed for low-grade VaIN and twelve for high-grade VaIN. The estimated 5-year no-regression rate of untreated low-grade VaIN, predicted by trend curve, was 14.0% (95% confidence intervals (95% CI): 9.2%–44.0%), indicating that 86.0% of untreated low-grade VaIN would regress within 5-years. The 5-year no-regression rate for untreated high-grade VaIN, also predicted by trend curve, was 14.2% (95% CI: 10.2%–24.8%), indicating that 85.8% of untreated high-grade VaIN regress within 5-years. It cannot be determined to what extent treatment modifies the natural history of VaIN. Current assessments suggest that only low-level evidence is available on VaIN. Conclusion: A large proportion of untreated VaIN lesions, regardless of grade, would resolve after 5 years of follow-up, with at least 14% of lesions unlikely to resolve. Registration: The study has been registered on https://www.crd.york.ac.uk/PROSPERO/view/CRD42023445810 (registration number: CRD42023445810).
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) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».