Seroprevalence of IgG antibodies against SARS-CoV-2 in India, March 2020 to August 2021: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: India experienced 2 waves of COVID-19 pandemic caused by SARS-CoV-2 and reported the second highest caseload globally. Seroepidemiologic studies were done to track the course of the pandemic. We systematically reviewed and synthesized the seroprevalence of SARS-CoV-2 in the Indian population. METHODS: We included studies reporting seroprevalence of IgG antibodies against SARS-CoV-2 from March 1, 2020 to August 11, 2021 and excluded studies done only among patients with COVID-19 and vaccinated individuals. We searched published databases, preprint servers, and government documents using a combination of keywords and medical subheading (MeSH) terms of "Seroprevalence AND SARS-CoV-2 AND India". We assessed risk of bias using the Newcastle-Ottawa scale, the appraisal tool for cross-sectional studies (AXIS), the Joanna Briggs Institute (JBI) critical appraisal tool, and WHO's statement on the Reporting of Seroepidemiological Studies for SARS-CoV-2 (ROSES-S). We calculated pooled seroprevalence along with 95% Confidence Intervals (CI) during the first (March 2020 to February 2021) and second wave (March to August 2021). We also estimated seroprevalence by selected demographic characteristics. RESULTS: We identified 3821 studies and included 53 studies with 905379 participants after excluding duplicates, screening of titles and abstracts and full-text screening. Of the 53, 20 studies were of good quality. Some of the reviewed studies did not report adequate information on study methods (sampling = 24% (13/53); laboratory = 83% [44/53]). Studies of 'poor' quality had more than one of the following issues: unjustified sample size, nonrepresentative sample, nonclassification of nonrespondents, results unadjusted for demographics and methods insufficiently explained to enable replication. Overall pooled seroprevalence was 20.7% in the first (95% CI = 16.1 to 25.3) and 69.2% (95% CI = 64.5 to 73.8) in the second wave. Seroprevalence did not differ by age in first wave, whereas in the second, it increased with age. Seroprevalence was slightly higher among women in the second wave. In both the waves, the estimate was higher in urban than in rural areas. CONCLUSION: Seroprevalence increased by 3-fold between the 2 waves of the pandemic in India. Our review highlights the need for designing and reporting studies using standard protocols.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».