MétaCan
Menu
Retour à la cohorte
Enregistrement W4292171922 · doi:10.1093/cid/ciac634

Effectiveness of Coronavirus Disease 2019 Vaccines Against Hospitalization and Death in Canada: A Multiprovincial, Test-Negative Design Study

2022· article· en· W4292171922 sur OpenAlexafffundabout
Sharifa Nasreen, Yossi Febriani, Héctor Alexander Velásquez García, Geng Zhang, Mina Tadrous, Sarah A. Buchan, Christiaan H. Righolt, Salaheddin M. Mahmud, Naveed Z. Janjua, Mel Krajden, Gaston De Serres, Jeffrey C. Kwong

Notice bibliographique

RevueClinical Infectious Diseases · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity Health NetworkBC Centre for Disease ControlCentre for Advancing Health OutcomesSt. Paul's HospitalCentre hospitalier universitaire de QuébecWomen's College HospitalUniversité LavalInstitut National de Santé Publique du QuébecUniversity of ManitobaInstitute for Clinical Evaluative SciencesUniversity of British ColumbiaPublic Health OntarioUniversity of Toronto
Organismes subventionnairesDepartment of Family and Community Medicine, University of TorontoCanadian Immunization Research NetworkPublic Health Agency of Canada
Mots-clésMedicineConfidence intervalVaccinationLogistic regressionRetrospective cohort studyCoronavirus disease 2019 (COVID-19)Internal medicineDiseaseImmunologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A major goal of coronavirus disease 2019 (COVID-19) vaccination is to prevent severe outcomes (hospitalizations and deaths). We estimated the effectiveness of messenger RNA (mRNA) and ChAdOx1 COVID-19 vaccines against severe outcomes in 4 Canadian provinces between December 2020 and September 2021. METHODS: We conducted this multiprovincial, retrospective, test-negative study among community-dwelling adults aged ≥18 years in Ontario, Quebec, British Columbia, and Manitoba using linked provincial databases and a common study protocol. Multivariable logistic regression was used to estimate province-specific vaccine effectiveness against COVID-19 hospitalization and/or death. Estimates were pooled using random-effects models. RESULTS: We included 2 508 296 tested participants, with 31 776 COVID-19 hospitalizations and 5842 deaths. Vaccine effectiveness was 83% after a first dose and 98% after a second dose against both hospitalization and death (separately). Against severe outcomes, effectiveness was 87% (95% confidence interval [CI], 71%-94%) ≥84 days after a first dose of mRNA vaccine, increasing to 98% (95% CI, 96%-99%) ≥112 days after a second dose. Vaccine effectiveness against severe outcomes for ChAdOx1 was 88% (95% CI, 75%-94%) ≥56 days after a first dose, increasing to 97% (95% CI, 91%-99%) ≥56 days after a second dose. Lower 1-dose effectiveness was observed for adults aged ≥80 years and those with comorbidities, but effectiveness became comparable after a second dose. Two doses of vaccines provided very high protection for both homologous and heterologous schedules and against Alpha, Gamma, and Delta variants. CONCLUSIONS: Two doses of mRNA or ChAdOx1 vaccine provide excellent protection against severe 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)0,007
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,036
Score d'incertitude au seuil0,210

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0020,001
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 Opus0,060
Tête enseignante GPT0,393
Écart entre enseignants0,333 · 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

Citations21
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207