Seroprevalence trends of anti-SARS-CoV-2 antibodies and associated risk factors: a population-based study
Notice bibliographique
Résumé
PURPOSE: We aimed to assess the seroprevalence trends of SARS-CoV-2 antibodies in several Swiss cantons between May 2020 and September 2021 and investigate risk factors for seropositivity and their changes over time. METHODS: We conducted repeated population-based serological studies in different Swiss regions using a common methodology. We defined three study periods: May-October 2020 (period 1, prior to vaccination), November 2020-mid-May 2021 (period 2, first months of the vaccination campaign), and mid-May-September 2021 (period 3, a large share of the population vaccinated). We measured anti-spike IgG. Participants provided information on sociodemographic and socioeconomic characteristics, health status, and adherence to preventive measures. We estimated seroprevalence with a Bayesian logistic regression model and the association between risk factors and seropositivity with Poisson models. RESULTS: We included 13,291 participants aged 20 and older from 11 Swiss cantons. Seroprevalence was 3.7% (95% CI 2.1-4.9) in period 1, 16.2% (95% CI 14.4-17.5) in period 2, and 72.0% (95% CI 70.3-73.8) in period 3, with regional variations. In period 1, younger age (20-64) was the only factor associated with higher seropositivity. In period 3, being aged ≥ 65 years, with a high income, retired, overweight or obese or with other comorbidities, was associated with higher seropositivity. These associations disappeared after adjusting for vaccination status. Seropositivity was lower in participants with lower adherence to preventive measures, due to a lower vaccination uptake. CONCLUSIONS: Seroprevalence sharply increased over time, also thanks to vaccination, with some regional variations. After the vaccination campaign, no differences between subgroups were observed.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».