High seroprevalence of anti-SARS-CoV-2 antibodies in the capital of Chad
Notice bibliographique
Résumé
Background. Since the start of the COVID-19 pandemic, Chad has had 7,417 confirmed cases and 193 deaths, one of the lowest in Africa.Objective. This study assessed SARS-CoV-2 immunity in N’Djamena.Methods. In August-October 2021, eleven N’Djamena hospitals collected outpatient data and samples. IgG antibodies against SARSCoV- 2 nucleocapsid protein were identified using ELISA. “Bambino Gesù” Laboratory, Rome, Italy, performed external quality control with chemiluminescence assay. Results. 25-34-year-old (35.2%) made up the largest age group at 31.9 12.6 years. 56.4% were women, 1.3 women/men. The 7th district had 22.5% and the 1st 22.3%. Housewives and students dominated. Overall seroprevalence was 69.5% (95% CI: 67.7-71.3), females 68.2% (65.8-70.5) and males 71.2% (68.6-73.8). 44-year-old had 73.9% seroprevalence. Under-15s were 57.4% positive. Housewives (70.9%), civil servants (71.5%), and health workers (9.7%) had the highest antibody positivity. N’Djamena’s 9th district had 73.1% optimism and the 3rd district had 52.5%. Seroprevalences were highest at Good Samaritan Hospital (75.4%) and National General Referral Hospital (74.7%).Conclusion. Our findings indicate a high circulation of SARSCoV- 2 in N’Djamena, despite low mortality and morbidity after the first two COVID-19 pandemic waves. This high seroprevalence must be considered in Chad’s vaccine policy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».