MétaCan
Menu
Retour à la cohorte
Enregistrement W4220727605 · doi:10.3389/fimmu.2022.836449

Age-Associated Seroprevalence of Coronavirus Antibodies: Population-Based Serosurveys in 2013 and 2020, British Columbia, Canada

2022· article· en· W4220727605 sur OpenAlexafffundabout
Guadalein Tanunliong, Aaron C. Liu, Samantha E Kaweski, Romina C. Reyes, Dale Purych, Mel Krajden, Muhammad Morshed, Inna Sekirov, Soren Gantt, Danuta M. Skowronski, Agatha N. Jassem

Notice bibliographique

RevueFrontiers in Immunology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensCentre Hospitalier Universitaire Sainte-JustineUniversité de MontréalFraser HealthUniversity of British ColumbiaBC Centre for Disease ControlSurrey Memorial HospitalSimon Fraser University
Organismes subventionnairesBritish Columbia Centre for Disease ControlMichael Smith Health Research BC
Mots-clésSeroprevalenceAntibodyMedicineSerologyPopulationCoronavirusVirologyImmunologyOutbreakDiseaseCoronavirus disease 2019 (COVID-19)Internal medicineInfectious disease (medical specialty)Environmental health

Résumé

récupéré en direct d'OpenAlex

Background: Older adults have been disproportionately affected during the SARS-CoV-2 pandemic, including higher risk of severe disease and long-COVID. Prior exposure to endemic human coronaviruses (HCoV) may modulate the response to SARS-CoV-2 infection and contribute to age-related observations. We hypothesized that cross-reactive antibodies to SARS-CoV-2 are associated with antibodies to HCoV and that both increase with age. Methods: To assess SARS-CoV-2 unexposed individuals, we drew upon archived anonymized residual sero-surveys conducted in British Columbia (BC), Canada, including before SARS-CoV-2 emergence (May, 2013) and before widespread community circulation in BC (May, 2020). Fifty sera, sex-balanced per ten-year age band, were sought among individuals ≤10 to ≥80 years old, supplemented as indicated by sera from March and September 2020. Sera were tested on the Meso Scale Diagnostics (MSD) electrochemiluminescent multiplex immunoassay to quantify IgG antibody against the Spike proteins of HCoV, including alpha (HCoV-229E, HCoV-NL63) and beta (HCoV-HKU1, HCoV-OC43) viruses, and the 2003 epidemic beta coronavirus, SARS-CoV-1. Cross-reactive antibodies to Spike, Nucleocapsid, and the Receptor Binding Domain (RBD) of SARS-CoV-2 were similarly measured, with SARS-CoV-2 sero-positivity overall defined by positivity on ≥2 targets. Results: Samples included 407 sera from 2013, of which 17 were children ≤10 years. The 2020 samples included 488 sera, of which 88 were children ≤10 years. Anti-Spike antibodies to all four endemic HCoV were acquired by 10 years of age. There were 20/407 (5%) sera in 2013 and 8/488 (2%) in 2020 that were considered sero-positive for SARS-CoV-2 based on MSD testing. Of note, antibody to the single SARS-CoV-2 RBD target was detected in 329/407 (81%) of 2013 sera and 91/488 (19%) of 2020 sera. Among the SARS-CoV-2 overall sero-negative population, age was correlated with anti-HCoV antibody levels and these, notably 229E and HKU1, were correlated with cross-reactive anti-SARS-CoV-2 RBD titres. SARS-CoV-2 overall sero-positive individuals showed higher titres to HCoV more generally. Conclusion: Most people have an HCoV priming exposure by 10 years of age and IgG levels are stable thereafter. Anti-HCoV antibodies can cross-react with SARS-CoV-2 epitopes. These immunological interactions warrant further investigation with respect to their implications for COVID-19 clinical outcomes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,021
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,274
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207