The gray swan: model-based assessment of the risk of sudden failure of hybrid immunity to SARS-CoV-2
Notice bibliographique
Résumé
Abstract In the fourth year of the COVID-19 pandemic, public health authorities worldwide have adopted a strategy of learning to live with SARS-CoV-2. This has involved the removal of measures for limiting viral spread, resulting in a large burden of recurrent SARS-CoV-2 infections. Crucial for managing this burden is the concept of the so-called wall of hybrid immunity, through repeated reinfections and vaccine boosters, to reduce the risk of severe disease and death. Protection against both infection and severe disease is provided by the induction of neutralizing antibodies (nAbs) against SARS-CoV-2. However, pharmacokinetic (PK) waning and rapid viral evolution both degrade nAb binding titers. The recent emergence of variants with strongly immune evasive potential against both the vaccinal and natural immune responses raises the question of whether the wall of population-level immunity can be maintained in the face of large jumps in nAb binding potency. Here we use an agent-based simulation to address this question. Our findings suggest large jumps in viral evolution may cause failure of population immunity resulting in sudden increases in mortality. As a rise in mortality will only become apparent in the weeks following a wave of disease, reactive public health strategies will not be able to provide meaningful risk mitigation. Learning to live with the virus could thus lead to large death tolls with very little warning. Our work points to the importance of proactive management strategies for the ongoing pandemic, and to the need for multifactorial approaches to COVID-19 disease control.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».