MétaCan
Menu
Retour à la cohorte
Enregistrement W4365148927 · doi:10.1101/2023.04.11.23288403

Effectiveness of mRNA COVID-19 monovalent and bivalent vaccine booster doses against Omicron severe outcomes among adults aged ≥50 years in Ontario, Canada

2023· preprint· en· W4365148927 sur OpenAlexafffundabout
Ramandip Grewal, Sarah A. Buchan, Lena Nguyen, Sharifa Nasreen, Peter C. Austin, Kevin A. Brown, Jonathan B. Gubbay, Nelson Lee, Kevin L. Schwartz, Mina Tadrous, Kumanan Wilson, Sarah E. Wilson, Jeffrey C. Kwong

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensBruyèreOttawa HospitalUniversity of OttawaInstitute for Clinical Evaluative SciencesWomen's College HospitalUniversity Health NetworkUniversity of TorontoBC Children's HospitalPublic Health Ontario
Organismes subventionnairesDepartment of Family and Community Medicine, University of TorontoCanadian Institutes of Health ResearchCanadian Immunization Research NetworkUniversity of TorontoPublic Health AgencyPublic Health Agency of Canada
Mots-clésBivalent (engine)VaccinationMedicineConfidence intervalBooster doseCoronavirus disease 2019 (COVID-19)PediatricsTiterInternal medicineImmunologyAntibodyDiseaseChemistryInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Objective We estimated the effectiveness of booster doses of monovalent and bivalent mRNA COVID-19 vaccines against Omicron-associated severe outcomes among adults aged ≥50 years in Ontario, Canada. Methods We used a test-negative design to estimate vaccine effectiveness (VE), with unvaccinated adults as the comparator, against hospitalization or death among SARS-CoV-2-tested adults aged ≥50 years between June 19, 2022 and January 28, 2023 stratified by time since vaccination. We explored VE by vaccine product (Moderna Spikevax ® monovalent; Pfizer-BioNTech Comirnaty ® monovalent; Moderna Spikevax ® BA.1 bivalent; Pfizer-BioNTech Comirnaty ® BA.4/BA.5 bivalent). Results We included 3,755 Omicron cases and 14,338 test-negative controls. For the Moderna and Pfizer-BioNTech monovalent vaccines, VE 7-29 days after vaccination was 85% (95% confidence interval [CI], 72-92%) and 88% (95%CI, 82-92%), respectively, and was 82% (95%CI, 76-87%) and 82% (95%CI, 77-86%) 90-119 days after vaccination. For the Moderna BA.1 bivalent vaccine, VE was 86% (95%CI, 82-90%) 7-29 days after vaccination and was 76% (95%CI, 66-83%) 90-119 days after vaccination. For the Pfizer-BioNTech BA.4/BA.5 bivalent vaccine, VE 7-29 days after vaccination was 83% (95%CI, 77-88%) and was 81% (95%CI 72-87%) 60-89 days after vaccination. Conclusions Booster doses of monovalent and bivalent mRNA COVID-19 vaccines provided similar, strong initial protection against severe outcomes in community-dwelling adults aged ≥50 years in Ontario. Nonetheless, uncertainty remains around waning protection of these vaccines.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,311
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207