Effectiveness of pertussis vaccination and duration of immunity
Notice bibliographique
Résumé
BACKGROUND: A resurgence of pertussis cases among both vaccinated and unvaccinated people raises questions about vaccine effectiveness over time. Our objective was to study the effectiveness of the pertussis vaccine and characterize the effect of waning immunity and whole-cell vaccine priming. METHODS: We used the test-negative design, a nested case-control study with test-negative individuals as controls. We constructed multivariable logistic regression models to estimate odds ratios (ORs). Vaccine effectiveness was calculated as (1 - OR) × 100. We assessed waning immunity by calculating the odds of developing pertussis per year since last vaccination and evaluated the relative effectiveness of priming with acellular versus whole-cell vaccine. RESULTS: Between Dec. 7, 2009, and Mar. 31, 2013, data on 5867 individuals (486 test-positive cases and 5381 test-negative controls) were available for analysis. Adjusted vaccine effectiveness was 80% (95% confidence interval [CI] 71% to 86%) at 15-364 days, 84% (95% CI 77% to 89%) at 1-3 years, 62% (95% CI 42% to 75%) at 4-7 years and 41% (95% CI 0% to 66%) at 8 or more years since last vaccination. We observed waning immunity with the acellular vaccine, with an adjusted OR for pertussis infection of 1.27 (95% CI 1.20 to 1.34) per year since last vaccination. Acellular, versus whole-cell, vaccine priming was associated with an increased odds of pertussis (adjusted OR 2.15, 95% CI 1.30 to 3.57). INTERPRETATION: We observed high early effectiveness of the pertussis vaccine that rapidly declined as time since last vaccination surpassed 4 years, particularly with acellular vaccine priming. Considering whole-cell vaccine priming and/or boosters in pregnancy to optimize pertussis control may be prudent.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».