MétaCan
Menu
Retour à la cohorte
Enregistrement W4220947951 · doi:10.1186/s12916-022-02286-4

Determinants of pre-vaccination antibody responses to SARS-CoV-2: a population-based longitudinal study (COVIDENCE UK)

2022· article· en· W4220947951 sur OpenAlexfundno aff
Mohammad Talaei, Sian Faustini, Hayley Holt, David A. Jolliffe, Giulia Vivaldi, Matthew Greenig, Natalia Perdek, Sheena Maltby, Carola Maria Bigogno, Jane Symons, Gwyneth A. Davies, Ronan A Lyons, Chris Griffiths, Frank Kee, Aziz Sheikh, Alex Richter, Seif O. Shaheen, Adrian R. Martineau

Notice bibliographique

RevueBMC Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesAsthma and Lung UKBritish Heart FoundationCancer Research UKBritish Lung FoundationBarts CharityDiabetes UKUK Research and InnovationArthritis SocietyVasculitis UK
Mots-clésMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)VaccinationCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakVirologyPopulationAntibodyBetacoronavirusImmunologyEnvironmental healthInternal medicineOutbreakDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Background Prospective population-based studies investigating multiple determinants of pre-vaccination antibody responses to SARS-CoV-2 are lacking. Methods We did a prospective population-based study in SARS-CoV-2 vaccine-naive UK adults recruited between May 1 and November 2, 2020, without a positive swab test result for SARS-CoV-2 prior to enrolment. Information on 88 potential sociodemographic, behavioural, nutritional, clinical and pharmacological risk factors was obtained through online questionnaires, and combined IgG/IgA/IgM responses to SARS-CoV-2 spike glycoprotein were determined in dried blood spots obtained between November 6, 2020, and April 18, 2021. We used logistic and linear regression to estimate adjusted odds ratios (aORs) and adjusted geometric mean ratios (aGMRs) for potential determinants of SARS-CoV-2 seropositivity (all participants) and antibody titres (seropositive participants only), respectively. Results Of 11,130 participants, 1696 (15.2%) were seropositive. Factors independently associated with higher risk of SARS-CoV-2 seropositivity included frontline health/care occupation (aOR 1.86, 95% CI 1.48–2.33), international travel (1.20, 1.07–1.35), number of visits to shops and other indoor public places (≥ 5 vs. 0/week: 1.29, 1.06–1.57, P-trend = 0.01), body mass index (BMI) ≥ 25 vs. < 25 kg/m 2 (1.24, 1.11–1.39), South Asian vs. White ethnicity (1.65, 1.10–2.49) and alcohol consumption ≥15 vs. 0 units/week (1.23, 1.04–1.46). Light physical exercise associated with lower risk (0.80, 0.70–0.93, for ≥ 10 vs. 0–4 h/week). Among seropositive participants, higher titres of anti-Spike antibodies associated with factors including BMI ≥ 30 vs. < 25 kg/m 2 (aGMR 1.10, 1.02–1.19), South Asian vs. White ethnicity (1.22, 1.04–1.44), frontline health/care occupation (1.24, 95% CI 1.11–1.39), international travel (1.11, 1.05–1.16) and number of visits to shops and other indoor public places (≥ 5 vs. 0/week: 1.12, 1.02–1.23, P-trend = 0.01); these associations were not substantially attenuated by adjustment for COVID-19 disease severity. Conclusions Higher alcohol consumption and lower light physical exercise represent new modifiable risk factors for SARS-CoV-2 infection. Recognised associations between South Asian ethnic origin and obesity and higher risk of SARS-CoV-2 seropositivity were independent of other sociodemographic, behavioural, nutritional, clinical, and pharmacological factors investigated. Among seropositive participants, higher titres of anti-Spike antibodies in people of South Asian ancestry and in obese people were not explained by greater COVID-19 disease severity in these groups.

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)0,004
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,034
Score d'incertitude au seuil0,887

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,128
Tête enseignante GPT0,464
Écart entre enseignants0,335 · 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'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

Citations42
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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