Evaluation of anti-nucleocapsid level variation to assess SARS-CoV-2 seroprevalence in a vaccinated population
Notice bibliographique
Résumé
BACKGROUND: Serosurveys have been key to public health decision-making since the beginning of the SARS-CoV-2 pandemic. However, several studies have uncovered that vaccination blunts the anti-nucleocapsid (N) response to a subsequent infection, which hinders the ability of serologic assays (including commercial ones) to detect recent infections. We therefore developed a new analytical approach to increase the sensitivity of detection of infection in vaccinated individuals. METHODS: Two samples were obtained from 248 SARS-CoV-2-positive (PCR-confirmed), vaccinated donors: one before the infection (reference sample) and one after (test sample). All samples were tested using an in-house, anti-N enzyme-linked immunosorbent assay (ELISA) which had a sensitivity of 98.1% before the mass vaccination campaign. Instead of applying a seropositivity threshold based on a single absorbance value (i.e. conventional approach), seropositivity was determined based on the ratio between the anti-N absorbance of the test and reference samples. RESULTS: The sensitivity of the new approach to detect infection in vaccinated individuals was 95.2% using a cut-off of 1.5 for the anti-N ratio, whereas that of the conventional approach was 63.3%. CONCLUSION: The new analytical approach described herein captured a significantly greater proportion of vaccinated individuals with a known history of SARS-CoV-2 infection than the conventional approach used in most serosurveys.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».