MétaCan
Menu
Retour à la cohorte
Enregistrement W4200012999 · doi:10.3390/vaccines10010017

COVID-19 Seroprevalence in Canada Modelling Waning and Boosting COVID-19 Immunity in Canada a Canadian Immunization Research Network Study

2021· article· en· W4200012999 sur OpenAlexafffundabout
David W. Dick, Lauren M. Childs, Zhilan Feng, Jing Li, Gergely Röst, David L. Buckeridge, Nicholas H. Ogden, Jane M. Heffernan

Notice bibliographique

RevueVaccines · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensPublic Health Agency of CanadaMcGill UniversityYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Immunization Research Network
Mots-clésSeroprevalenceVaccinationImmunityHerd immunityCoronavirus disease 2019 (COVID-19)MedicineImmunizationBooster (rocketry)ImmunologyPopulationPandemicVirologyDiseaseInfectious disease (medical specialty)Environmental healthImmune systemAntibodySerologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

COVID-19 seroprevalence changes over time, with infection, vaccination, and waning immunity. Seroprevalence estimates are needed to determine when increased COVID-19 vaccination coverage is needed, and when booster doses should be considered, to reduce the spread and disease severity of COVID-19 infection. We use an age-structured model including infection, vaccination and waning immunity to estimate the distribution of immunity to COVID-19 in the Canadian population. This is the first mathematical model to do so. We estimate that 60-80% of the Canadian population has some immunity to COVID-19 by late Summer 2021, depending on specific characteristics of the vaccine and the waning rate of immunity. Models results indicate that increased vaccination uptake in age groups 12-29, and booster doses in age group 50+ are needed to reduce the severity COVID-19 Fall 2021 resurgence.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,490
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,113
Tête enseignante GPT0,373
Écart entre enseignants0,260 · 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.

Devis d'étudeObservationnel
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

Citations24
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

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