MétaCan
Menu
Retour à la cohorte
Enregistrement W4305071418 · doi:10.1101/2022.10.11.22280963

Age-stratified infection fatality rate of COVID-19 in the non-elderly informed from pre-vaccination national seroprevalence studies

2022· preprint· en· W4305071418 sur OpenAlexaff
Angelo Maria Pezzullo, Cathrine Axfors, Despina G. Contopoulos‐Ioannidis, Alexandre Apostolatos, John P. A. Ioannidis

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversité de Montréal
Organismes subventionnairesUppsala UniversitetSvenska LäkaresällskapetKnut och Alice Wallenbergs StiftelseSweden-America Foundation
Mots-clésSeroprevalenceMedicineInterquartile rangeDemographyVaccinationCase fatality ratePopulationCoronavirus disease 2019 (COVID-19)Environmental healthImmunologyInternal medicineSerologyDisease

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The infection fatality rate (IFR) of COVID-19 among non-elderly people in the absence of vaccination or prior infection is important to estimate accurately, since 94% of the global population is younger than 70 years and 86% is younger than 60 years. In systematic searches in SeroTracker and PubMed (protocol: https://osf.io/xvupr ), we identified 40 eligible national seroprevalence studies covering 38 countries with pre-vaccination seroprevalence data. For 29 countries (24 high-income, 5 others), publicly available age-stratified COVID-19 death data and age-stratified seroprevalence information were available and were included in the primary analysis. The IFRs had a median of 0.035% (interquartile range (IQR) 0.013 - 0.056%) for the 0-59 years old population, and 0.095% (IQR 0.036 - 0.125%,) for the 0-69 years old. The median IFR was 0.0003% at 0-19 years, 0.003% at 20-29 years, 0.011% at 30-39 years, 0.035% at 40-49 years, 0.129% at 50-59 years, and 0.501% at 60-69 years. Including data from another 9 countries with imputed age distribution of COVID-19 deaths yielded median IFR of 0.025-0.032% for 0-59 years and 0.063-0.082% for 0-69 years. Meta-regression analyses also suggested global IFR of 0.03% and 0.07%, respectively in these age groups. The current analysis suggests a much lower pre-vaccination IFR in non-elderly populations than previously suggested. Large differences did exist between countries and may reflect differences in comorbidities and other factors. These estimates provide a baseline from which to fathom further IFR declines with the widespread use of vaccination, prior infections, and evolution of new variants. Highlights *Across 31 systematically identified national seroprevalence studies in the pre-vaccination era, the median infection fatality rate of COVID-19 was estimated to be 0.035% for people aged 0-59 years people and 0.095% for those aged 0-69 years. *The median IFR was 0.0003% at 0-19 years, 0.003% at 20-29 years, 0.011% at 30-39 years, 0.035% at 40-49 years, 0.129% at 50-59 years, and 0.501% at 60-69 years. *At a global level, pre-vaccination IFR may have been as low as 0.03% and 0.07% for 0-59 and 0-69 year old people, respectively. *These IFR estimates in non-elderly populations are lower than previous calculations had suggested.

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)0,011
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,130
Tête enseignante GPT0,441
Écart entre enseignants0,311 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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