MétaCan
Menu
← Retour à la cohorte
Enregistrement W4297464605 · doi:10.3390/curroncol29100554

Quantitative Analysis of SARS-CoV-2 Antibody Levels in Cancer Patients Post Three Doses of Immunization and Prior to Breakthrough COVID-19 Infections

2022· article· en· W4297464605 sur OpenAlexafffundvenueabout
Kathryn Macrae, Jorge Martínez-Cajas, Kristin Bessai, Abulhameed Abdulhamed, Yanping Gong

Notice bibliographique

RevueCurrent Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensKingston Health Sciences CentreQueen's University
Organismes subventionnairesPhysicians' Services Incorporated Foundation
Mots-clésSeroconversionMedicineAntibodyVaccinationImmunizationCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)CohortCancerImmunologyVirologyInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

(1) Background: COVID-19 vaccine effectiveness should be carefully evaluated and explicitly defined. To our knowledge, this is the first report to quantitatively evaluate humoral responses post 3 doses of SARS-CoV-2 immunization and prior to breakthrough COVID-19 infection in Canadian cancer patients. (2) Methods: In a prospective cohort study, we enrolled 185 cancer participants post COVID-19 vaccination in Kingston, Ontario, Canada. IgG antibodies against the SARS-CoV-2 spike receptor–binding domain were quantified by immunoassay post three doses of immunization. With the COVID-19 rapid antigen test and polymerase chain reaction (PCR), 16 breakthrough infections were identified. Results: Following SARS-CoV-2 vaccination (including BNT162b2, AZD1222, and mRNA-1273), the mean serum anti-spike protein antibody level was 197.2 BAU/mL (binding antibody unit, SD ± 393.9), 1335.9 BAU/mL (±3337.8), and 3164.8 BAU/mL (±6500.9) post the first, second, and third dose of vaccination. Observed differences were significant (p ≤ 0.001). The average antibody level of 3164.8 BAU/mL post the third dose was 89.9 times that of the seroconversion level (35.2 BAU/mL). This indicates that most vaccines approved are effective in producing robust antibody responses. In 11 breakthrough cases confirmed by PCR, prior to infection, the average antibody concentration was 3675.6 BAU/mL with the highest concentration being 9107.4 BAU/mL. Compared with this average antibody concentration of 3675.6 BAU/mL (104.4 times that of the seroconversion concentration), 0% of single dosed, 9.6% of double vaccinated, and 29.5% of triple vaccinated cancer patients had higher SARS-CoV-2 antibody levels. When patients were split into hematological and solid cancer, the hematological cancer group demonstrated lower serological responses than the solid cancer group in the first and second doses (first dose, average concentration 11.1 vs. 201.4 BAU/mL, respectively, p < 0.05; second dose, average concentration 441.5 vs. 1725.9 BAU/mL, respectively, p < 0.05). There was no difference in the third dose level (1756.3 vs. 2548.0 BAU/mL, p = 0.21). (4) Conclusions: Most vaccines were effective in producing robust antibody responses when more than one dose was given, and the more doses the higher the serological response. Likely due to the highly contagious nature of SARS-CoV-2 variants, a significant number of participants had SARS-CoV-2 antibody responses lower than the average antibody concentration prior to the known breakthrough infections. Additional vaccination is likely required to ensure immunity against infection by SARS-CoV-2.

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 enseignants0,115
Score d'incertitude au seuil0,228

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,214
Tête enseignante GPT0,527
Écart entre enseignants0,314 · 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

Citations11
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

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