MétaCan
Menu
Retour à la cohorte
Enregistrement W3134529941 · doi:10.1016/j.ebiom.2021.103259

Time series analysis and mechanistic modelling of heterogeneity and sero-reversion in antibody responses to mild SARS‑CoV-2 infection

2021· article· en· W3134529941 sur OpenAlexaff
Charlotte Manisty, Thomas A. Treibel, Melanie P. Jensen, Amanda Semper, George Joy, Rishi K Gupta, Teresa Cutiño‐Moguel, Mervyn Andiapen, Jessica Jones, Stephen Taylor, Ashley Otter, Corrina Pade, Joseph M. Gibbons, Jason Lee, Joanna Bacon, Chris Moon, Meleri Jones, Dylan M. Williams, Jonathan Lambourne, Marianna Fontana, Daniel M. Altmann, Rosemary J. Boyton, Mala K. Maini, Áine McKnight, Benny Chain, Mahdad Noursadeghi, James Moon

Notice bibliographique

RevueEBioMedicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesNIHR Imperial Biomedical Research CentreMedical Research CouncilBarts and The London School of Medicine and DentistryBarts Health NHS TrustPublic Health EnglandUK Coronavirus Immunology ConsortiumUniversity College London Hospitals NHS Foundation TrustRosetrees TrustInstitute for Translational Medicine and TherapeuticsBritish Heart FoundationUniversity College LondonCystic Fibrosis TrustCancer Research UKBarts CharityQueen Mary University of LondonGW PharmaceuticalsJohn Black Charitable FoundationWellcome TrustUK Research and InnovationNational Institute for Health and Care Research
Mots-clésSerologyAntibodyAsymptomaticMedicinePopulationImmunologyProspective cohort studyVirologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: SARS-CoV-2 serology is used to identify prior infection at individual and at population level. Extended longitudinal studies with multi-timepoint sampling to evaluate dynamic changes in antibody levels are required to identify the time horizon in which these applications of serology are valid, and to explore the longevity of protective humoral immunity. METHODS: Healthcare workers were recruited to a prospective cohort study from the first SARS-CoV-2 epidemic peak in London, undergoing weekly symptom screen, viral PCR and blood sampling over 16-21 weeks. Serological analysis (n =12,990) was performed using semi-quantitative Euroimmun IgG to viral spike S1 domain and Roche total antibody to viral nucleocapsid protein (NP) assays. Comparisons were made to pseudovirus neutralizing antibody measurements. FINDINGS: A total of 157/729 (21.5%) participants developed positive SARS-CoV-2 serology by one or other assay, of whom 31.0% were asymptomatic and there were no deaths. Peak Euroimmun anti-S1 and Roche anti-NP measurements correlated (r = 0.57, p<0.0001) but only anti-S1 measurements correlated with near-contemporary pseudovirus neutralising antibody titres (measured at 16-18 weeks, r = 0.57, p<0.0001). By 21 weeks' follow-up, 31/143 (21.7%) anti-S1 and 6/150 (4.0%) anti-NP measurements reverted to negative. Mathematical modelling revealed faster clearance of anti-S1 compared to anti-NP (median half-life of 2.5 weeks versus 4.0 weeks), earlier transition to lower levels of antibody production (median of 8 versus 13 weeks), and greater reductions in relative antibody production rate after the transition (median of 35% versus 50%). INTERPRETATION: Mild SARS-CoV-2 infection is associated with heterogeneous serological responses in Euroimmun anti-S1 and Roche anti-NP assays. Anti-S1 responses showed faster rates of clearance, more rapid transition from high to low level production rate and greater reduction in production rate after this transition. In mild infection, anti-S1 serology alone may underestimate incident infections. The mechanisms that underpin faster clearance and lower rates of sustained anti-S1 production may impact on the longevity of humoral immunity. FUNDING: Charitable donations via Barts Charity, Wellcome Trust, NIHR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,512

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,370
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEBioMedicineMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207