Characteristics of Anti-SARS-CoV-2 Antibodies in Recovered COVID-19 Subjects
Notice bibliographique
Résumé
Coronavirus Disease 2019 (COVID-19) is a global pandemic caused by the novel severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). While detection of SARS-CoV-2 by polymerase chain reaction with reverse transcription (RT-PCR) is currently used to diagnose acute COVID-19 infection, serological assays are needed to study the humoral immune response to SARS-CoV-2. Anti-SARS-CoV-2 immunoglobulin (Ig)G/A/M antibodies against spike (S) protein and its receptor-binding domain (RBD) were characterized in recovered subjects who were RT-PCR-positive (n = 153) and RT-PCR-negative (n = 55) using an enzyme-linked immunosorbent assay (ELISA). These antibodies were also further assessed for their ability to neutralize live SARS-CoV-2 virus. Anti-SARS-CoV-2 antibodies were detected in 90.9% of resolved subjects up to 180 days post-symptom onset. Anti-S protein and anti-RBD IgG titers correlated (r = 0.5157 and r = 0.6010, respectively) with viral neutralization. Of the RT-PCR-positive subjects, 22 (14.3%) did not have anti-SARS-CoV-2 antibodies; and of those, 17 had RT-PCR cycle threshold (Ct) values > 27. These high Ct values raise the possibility that these indeterminate results are from individuals who were not infected or had mild infection that failed to elicit an antibody response. This study highlights the importance of serological surveys to determine population-level immunity based on infection numbers as determined by RT-PCR.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».