BNT162b2 against COVID-19 in Brazil using a test-negative design: Study protocol and statistical analysis plan
Notice bibliographique
Résumé
INTRODUCTION: Real-world data on COVID-19 vaccine effectiveness are needed to validate evidence from randomized clinical trials. Accordingly, this study aims to evaluate, in a real-world setting in Brazil, the effectiveness of Pfizer-BioNTech BNT162b2 against symptomatic COVID-19 and COVID-19-related complications across diverse populations. MATERIALS AND METHODS: A test-negative case-control study with follow-up of cases is currently being conducted in Toledo, a city in southern Brazil, following a mass COVID-19 vaccination campaign with BNT162b2. The study is being conducted among patients aged 12 years or older seeking care in the public health system with acute respiratory symptoms and tested for SARS-CoV-2 on reverse transcription polymerase chain reaction (RT-PCR). Cases are RT-PCR positive and controls RT-PCR negative. Test-positive cases are prospectively followed through structured telephone interviews performed at 15 days post-enrollment, and at 1, 3, 6, 9 and 12 months. Baseline demographic, clinical, and vaccination data are being collected by means of structured interviews and medical registry records reviews at the time of enrollment. All RT-PCR-positive samples are screened for mutations to identify SARS-CoV-2 variants. ETHICS AND DISSEMINATION: The study protocol has been approved by the research ethics committee of all participant sites. Study findings will be disseminated through peer-reviewed publications and conference presentations. TRAIL REGISTRATION: Clinicatrials.gov: NCT05052307.
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 | 0,076 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,005 |
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 ».