MétaCan
Menu
← Retour à la cohorte
Enregistrement W4292764450 · doi:10.1101/2022.08.22.22279060

Omicron B.1.1.529 variant infections associated with severe disease are uncommon in a COVID-19 under-vaccinated, high SARS-CoV-2 seroprevalence population in Malawi

2022· preprint· en· W4292764450 sur OpenAlexaff
Upendo L. Mseka, Jonathan Mandolo, Kenneth Nyoni, Oscar Divala, Dzinkambani Kambalame, Daniel Mapemba, Moses Kamzati, Innocent Chibwe, Marc Henrion, Kingsley Manda, Deus Thindwa, Memory Mvula, Bright Odala, Raphael Kamng’ona, Nelson Dzinza, Khuzwayo C. Jere, Nicholas Feasey, Antonia Ho, Abena S. Amoah, Melita A. Gordon, Todd D. Swarthout, Amelia C. Crampin, Robert S. Heyderman, Matthew Kagoli, Evelyn Chitsa-Banda, Collins Mitambo, John Phuka, Benson Chilima, Watipaso Kasambara, Kondwani Jambo, Annie Chauma-Mwale

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésSeroprevalenceMedicineConfidence intervalPopulationEpidemiologyCoronavirus disease 2019 (COVID-19)PandemicAntibodyDemographySerologyImmunologyEnvironmental healthDiseaseInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Background The B.1.1.529 (Omicron) variant of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has resulted in the fourth COVID-19 pandemic wave across the southern African region, including Malawi. The seroprevalence of SARS-CoV-2 antibodies and their association with epidemiological trends of hospitalisations and deaths are needed to aid locally relevant public health policy decisions. Methods We conducted a population-based serosurvey from December 27, 2021 to January 17, 2022, in 7 districts across Malawi to determine the seroprevalence of SARS-CoV-2 antibodies. Primary sampling units (PSU) were selected using probability proportionate to the number of households based on the 2018 national census, followed by second-stage sampling units that were selected from listed households. A random systematic sample of households was selected from each PSU within the 7 districts. Serum samples were tested for antibodies against SARS-CoV-2 receptor binding domain using WANTAI SARS-CoV-2 Receptor Binding Domain total antibody commercial enzyme-linked immunosorbent assay (ELISA). We also evaluated COVID-19 epidemiologic trends in Malawi, including cases, hospitalizations and deaths from April 1, 2021 through April 30, 2022, collected using the routine national COVID-19 reporting system. Results Serum samples were analysed from 4619 participants (57% female; 65% aged 14 to 50 years), of whom 1018 (22%) had received a COVID-19 vaccine. The overall assay-adjusted seroprevalence was 86.3% (95% confidence interval (CI), 85.1% to 87.5%). Seroprevalence was lowest among children <13 years of age (66%) and highest among adults 18 to 50 years of age (82%). Seroprevalence was higher among vaccinated compared to unvaccinated participants (96% vs. 77%; risk ratio, 6.65; 95% CI, 4.16 to 11.40). Urban residents were more likely to test seropositive than those living in rural settings (91% vs. 78%; risk ratio, 2.81; 95% CI, 2.20 to 3.62). National COVID-19 data showed that at least a two-fold reduction in the proportion of hospitalisations and deaths among the reported cases in the fourth wave compared to the third wave (hospitalization, 10.7% (95% CI, 10.2 to 11.3) vs 4.86% (95% CI, 4.52 to 5.23), p<0.0001; deaths, 3.48% (95% CI, 3.18 to 3.81) vs 1.15% (95% CI, 1.00 to 1.34), p<0.0001). Conclusion We report reduction in proportion of hospitalisations and deaths from SARS-CoV-2 infections during the Omicron variant dominated wave in Malawi, in the context of high SARS-CoV-2 seroprevalence but low COVID-19 vaccination coverage. These findings suggest that COVID-19 vaccination policy in high seroprevalence settings may need to be amended from mass campaigns to targeted vaccination of at-risk populations.

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)0,000
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 enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,055
Tête enseignante GPT0,353
Écart entre enseignants0,297 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→