Evaluation of anti-nucleocapsid level variation to assess SARS-CoV-2 seroprevalence in a vaccinated population
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle