Development and use of a method based on the anti-N reactivity of longitudinal samples to better estimate SARS-CoV-2 seroprevalence in a vaccinated population
Notice bibliographique
Résumé
ABSTRACT Background Emerging evidence suggests that COVID-19 vaccination decreases the sensitivity of anti-nucleocapsid (N) serologies, making them less reliable to assess recently-acquired infections. We therefore developed and tested a new approach based on the ratio of the anti-N absorbance of longitudinal samples to overcome this limitation. Methods Previously vaccinated repeat plasma donors provided at least one pre-infection (reference) and one post-infection (test) sample. All samples were tested using an in-house anti-N ELISA. Seropositivity was determined based on the ratio between the anti-N absorbance of the test and reference samples. The ratio approach was tested in a real-world setting during three cross-sectional serosurveys carried out among plasma donors in Québec, Canada. Results Using a cut-off ratio of 1.5, the approach had a sensitivity of 95.2% among the 248 previously vaccinated and infected donors compared with 63.3% for the conventional approach. When tested in a real-world setting, the ratio-based approach yielded an adjusted seroprevalence of 27.4% (95% confidence interval [CI]=23.8%-30.9%) at the latest time point considered, compared to 15.1% (95% CI=12.2%-18.0%) for the conventional approach. Conclusions This article describes a new and highly-sensitive approach that captures a significantly greater proportion of vaccinated individuals with a recent history of SARS-CoV-2 infection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».