MétaCan
Menu
Retour à la cohorte
Enregistrement W4320519460 · doi:10.1016/j.lana.2023.100445

Breakthrough SARS-CoV-2 infections among patients with cancer following two and three doses of COVID-19 mRNA vaccines: a retrospective observational study from the COVID-19 and Cancer Consortium

2023· article· en· W4320519460 sur OpenAlexaff
Toni K. Choueiri, Chris Labaki, Ziad Bakouny, Chih–Yuan Hsu, Andrew Schmidt, Gilberto Lopes, Clara Hwang, Sunny Singh, Chinmay Jani, Lisa B. Weissmann, Elizabeth A. Griffiths, Susan Halabi, Ulysses Wu, Stephanie Berg, Timothy E. O’Connor, Trisha M. Wise‐Draper, Orestis A. Panagiotou, Elizabeth J. Klein, Monika Joshi, Fares Yared, Míriam Santos Dutra, Na Tosha Gatson, Sibel Blau, Harpreet Singh, Rahul Nanchal, Rana R. McKay, Taylor K. Nonato, Ryann Quinn, Samuel M. Rubinstein, Matthew Puc, Blanche H. Mavromatis, Praveen Vikas, Bryan A. Faller, Howard A. Zaren, Salvatore Del Prete, Karen Russell, Daniel Y. Reuben, Melissa Accordino, Christopher R. Friese, Sanjay Mishra, Donna R. Rivera, Yu Shyr, Dimitrios Farmakiotis, Jeremy L. Warner

Notice bibliographique

RevueThe Lancet Regional Health - Americas · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Center for Advancing Translational SciencesNational Institutes of HealthNational Cancer InstituteGeorgia Clinical and Translational Science AllianceVanderbilt Institute for Clinical and Translational ResearchVanderbilt University
Mots-clésMedicineCancerOdds ratioInternal medicineClinical endpointPopulationLogistic regressionVaccinationConfoundingImmunologyClinical trial

Résumé

récupéré en direct d'OpenAlex

Background: Breakthrough SARS-CoV-2 infections following vaccination against COVID-19 are of international concern. Patients with cancer have been observed to have worse outcomes associated with COVID-19 during the pandemic. We sought to evaluate the clinical characteristics and outcomes of patients with cancer who developed breakthrough SARS-CoV-2 infections after 2 or 3 doses of mRNA vaccines. Methods: We evaluated the clinical characteristics of patients with cancer who developed breakthrough infections using data from the multi-institutional COVID-19 and Cancer Consortium (CCC19; NCT04354701). Analysis was restricted to patients with laboratory-confirmed SARS-CoV-2 diagnosed in 2021 or 2022, to allow for a contemporary unvaccinated control population; potential differences were evaluated using a multivariable logistic regression model after inverse probability of treatment weighting to adjust for potential baseline confounding variables. Adjusted odds ratios (aOR) and 95% confidence intervals (CI) are reported. The primary endpoint was 30-day mortality, with key secondary endpoints of hospitalization and ICU and/or mechanical ventilation (ICU/MV). Findings: The analysis included 2486 patients, of which 564 and 385 had received 2 or 3 doses of an mRNA vaccine prior to infection, respectively. Hematologic malignancies and recent receipt of systemic anti-neoplastic therapy were more frequent among vaccinated patients. Vaccination was associated with improved outcomes: in the primary analysis, 2 doses (aOR: 0.62, 95% CI: 0.44-0.88) and 3 doses (aOR: 0.20, 95% CI: 0.11-0.36) were associated with decreased 30-day mortality. There were similar findings for the key secondary endpoints of ICU/MV (aOR: 0.60, 95% CI: 0.45-0.82 and 0.37, 95% CI: 0.24-0.58) and hospitalization (aOR: 0.60, 95% CI: 0.48-0.75 and 0.35, 95% CI: 0.26-0.46) for 2 and 3 doses, respectively. Importantly, Black patients had higher rates of hospitalization (aOR: 1.47, 95% CI: 1.12-1.92), and Hispanic patients presented with higher rates of ICU/MV (aOR: 1.61, 95% CI: 1.06-2.44). Interpretation: Vaccination against COVID-19, especially with additional doses, is a fundamental strategy in the prevention of adverse outcomes including death, among patients with cancer. Funding: This study was partly supported by grants from the National Cancer Institute grant number P30 CA068485 to C-YH, YS, SM, JLW; T32-CA236621 and P30-CA046592 to C.R.F; CTSA 2UL1TR001425-05A1 to TMW-D; ACS/FHI Real-World Data Impact Award, P50 MD017341-01, R21 CA242044-01A1, Susan G. Komen Leadership Grant Hunt to MKA. REDCap is developed and supported by Vanderbilt Institute for Clinical and Translational Research grant support (UL1 TR000445 from NCATS/NIH).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,174
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

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

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 Opus0,223
Tête enseignante GPT0,467
Écart entre enseignants0,244 · 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 tête enseignante, 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

Citations39
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Regional Health - AmericasMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207