SARS‐CoV‐2 seroprevalence among blood donors after the first COVID‐19 wave in Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Case detection underestimates the burden of the COVID-19 pandemic. Following the first COVID-19 wave, we estimated the seroprevalence of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) among blood donors across Canada. STUDY DESIGN AND METHODS: This serial cross-sectional study was conducted between May 9 and July 21, 2020 from blood donors donating at all Canadian Blood Services locations. We used the Abbott Architect assay to detect SARS-CoV-2 IgG antibodies from retention plasma. Seroprevalence was standardized to population-level demographics and assay characteristics were adjusted using the Rogan-Gladen equation. Results were stratified by region, age, ethnicity, ABO groups, and quantiles of material and social deprivation indices. Temporal trends were evaluated at 2-week intervals. Univariate and multivariate logistic regression compared SARS-CoV-2 reactive to non-reactive donors by sociodemographic variables. RESULTS: Overall 552/74642 donors, had detectable antibodies, adjusted seroprevalence was 7.0/1000 donors (95% CI; 6.3, 7.6). Prevalence was differential by geography, Ontario had the highest rate, 8.8/1000 donors (7.8, 9.8), compared to the Atlantic region 4.5/1000 donors (2.6, 6.4); adjusted odds ratio (aOR) 2.2 (1.5, 3.3). Donors that self-identified as an ethnic minority were more likely than white donors to be sero-reactive aOR 1.5 (1.2, 1.9). No temporal trends were observed. DISCUSSION: Worldwide, blood services have leveraged their operational capacity to inform public health. While >99% of Canadians did not show humoral evidence of past infection, we found regional variability and disparities by ethnicity. Seroprevalence studies will continue to play a pivotal role in evaluating public health policies by identifying trends and monitor disparities.
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.
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 | 0,001 |
| 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 découle