Predictors of HSIL Treatment Failure
Bibliographic record
Abstract
Objectif : Les traitements répétés des lésions précancéreuses du col utérin (HSIL), nécessaires en cas d’échecs de traitement, sont associés à des issues obstétriques négatives, telle qu’une augmentation de la mortalité néonatale. Nous avons investigué l’association entre un grand nombre de facteurs de risque potentiels pour l’échec de traitement des HSIL dans le but d’identifier des prédicteurs potentiellement modifiables de l’échec de traitement. Méthodes : La population source était constituée de 1 548 femmes canadiennes qui ont subi un premier traitement pour HSIL. L’échec de traitement a été défini comme étant un diagnostic histologique de HSIL ou cancer au cours des deux années suivant le traitement. Nous avons mené une étude cas-témoins nichée incluant les 101 cas d’échec de traitement ainsi que les témoins appariés 1 :1 par centre de traitement et par date d’échec. Nous avons calculé des rapports de cotes (OR) et intervalles de confiance (CI) à 95% à l’aide de régressions logistiques conditionnelles, pour les associations entre l’échec de traitement et l’âge, le nombre d’accouchements, le statut tabagique, le nombre de partenaires sexuels, l’utilisation du condom, la méthode de contraception, les marges, le nombre de passages, le diagnostic sur le spécimen de traitement, le génotype du VPH, et le nombre de types. Nous avons aussi estimé l’association entre la charge virale et les variants du VPH16 et du VPH18 et l’échec de traitement. Résultats : Les marges positives vs négatives (OR ajusté=4.05, 95% CI 1.57-10.48), la positivité pour le VPH16/18 vs autres types (OR ajusté=2.69, 95% CI 1.32-5.49), et avoir un variant similaire au prototype du VPH16 vs le prototype (OR ajusté=2.49, 95% CI 1.07-5.83) étaient des prédicteurs de l’échec de traitement des HSIL. Être plus âgé, avoir des lésions plus sévères, avoir une infection monotype, et avoir une variation à la position 7521 chez celles avec le VPH16 pourraient augmenter le risque d’échec de traitement, mais les associations n’étaient pas statistiquement significatives. Les estimations pour les autres facteurs étaient proches de la valeur nulle. Nous n’avons pas observé de modification d’effet du génotype sur le risque de l’échec de traitement par le tabagisme, ni par les marges. Conclusion : Seules les marges positives, la positivité pour le VPH16/18 et avoir un variant similaire au prototype étaient des prédicteurs d’un échec de traitement au cours des deux années suivant le traitement. Malgré l’aspect non-modifiable des prédicteurs identifiés, ils sont informatifs et pourront éclairer la prise en charge et le suivi clinique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".