Testing Whether Higher Contact Among the Vaccinated Can Be a Mechanism for Observed Negative Vaccine Effectiveness
Notice bibliographique
Résumé
Evidence from early observational studies suggested negative vaccine effectiveness (${V}_{Eff}$) for the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) Omicron variant. Since true ${V}_{Eff}$ is unlikely to be negative, we explored how differences in contact among vaccinated persons (e.g., potentially from the implementation of vaccine mandates) could lead to observed negative ${V}_{Eff}$. Using a susceptible-exposed-infectious-recovered (SEIR) transmission model, we examined how vaccinated-contact heterogeneity, defined as an increase in the contact rate only between vaccinated individuals, interacted with 2 mechanisms of vaccine efficacy: vaccine efficacy against susceptibility ($V{E}_S$) and vaccine efficacy against infectiousness ($V{E}_I$), to produce underestimated and in some cases, negative measurements of ${V}_{Eff}$. We found that vaccinated-contact heterogeneity led to negative estimates when $V{E}_I$, and especially $V{E}_S$, were low. Moreover, we determined that when contact heterogeneity was very high, ${V}_{Eff}$ could still be underestimated given relatively high vaccine efficacies (0.7), although its effect on ${V}_{Eff}$ was strongly reduced. We also found that this contact heterogeneity mechanism generated a signature temporal pattern: The largest underestimates and negative measurements of ${V}_{Eff}$ occurred during epidemic growth. Overall, our research illustrates how vaccinated-contact heterogeneity could have feasibly produced negative measurements during the Omicron period and highlights its general ability to bias observational studies of ${V}_{Eff}$.
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 | 0,013 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».