MétaCan
Menu
← Retour à la cohorte
Enregistrement W4378782162 · doi:10.1136/bmjopen-2022-071397

Immunogenicity and safety of mixed COVID-19 vaccine regimens in patients with immune-mediated inflammatory diseases: a single-centre prospective cohort study

2023· article· en· W4378782162 sur OpenAlexafffundabout
Carol Hitchon, Christine Mesa, Çharles N. Bernstein, Ruth Ann Marrie, Catherine M. Card, Sheila F. O’Brien, John Kim

Notice bibliographique

RevueBMJ Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensCanadian Blood ServicesPublic Health Agency of CanadaUniversity of Manitoba
Organismes subventionnairesPublic Health AgencyPublic Health Agency of CanadaResearch Manitoba
Mots-clésMedicineImmunologyRheumatoid arthritisImmunogenicityArthritisProspective cohort studyVaccinationSeroconversionAntibodyInflammatory arthritisCohortInternal medicineImmune system

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: CoV-2 vaccines, we compared postvaccine antibody responses and IMID disease activity/states. DESIGN: Single-centre prospective cohort study. SETTING: Specialty ambulatory clinics in central Canada. PARTICIPANTS: People with inflammatory arthritis (n=78; 77% rheumatoid arthritis), systemic autoimmune rheumatic diseases (n=84; 57% lupus), inflammatory bowel disease (n=93; 43% Crohn's) and multiple sclerosis (n=72; 71% relapsing-remitting) (female 79.4%, white 84.7%, mean (SD) age 56.0 (14.3) years) received COVID-19 vaccinations between March 2021 and September 2022. PRIMARY OUTCOME: Postvaccination anti-spike, anti-receptor binding domain (anti-RBD) and anti-nucleocapsid (anti-NC) IgG antibodies tested by multiplex immunoassays compared across vaccine regimens and with responses in 370 age-matched and sex-matched vaccinated controls. SECONDARY OUTCOMES: COVID-19 infection and self-reported IMID disease activity/state. RESULTS: Most (216/327, 66.1%) received homologous messenger RNA (mRNA) (BNT162b2 or mRNA1273) vaccines, 2.4% received homologous ChAdOx1 and 30.6% received heterologous vaccines (23.9% ChAdOx1/mRNA, 6.4% heterologous mRNA) for their first two vaccines (V1, V2). Seroconversion rates were 52.0% (91/175) for post-V1 anti-spike and 58.9% (103/175) for anti-RBD; 91.5% (214/234) for post-V2 anti-spike and 90.2% (211/234) for anti-RBD; and were lower than controls (post-V2 anti-spike 98.1% (360/370), p<0.0001). Antibody titres decreased 3 months after V2 but increased 1 month after the third vaccine (V3) and 1 month after the fourth vaccine (V4) (BAU/mL median (IQR), anti-spike 1835 (2448) 1 month post-V2, 629.1 (883.4) 3 months post-V2, 4757.5 (7033.1) 1 month post-V3 and 4356.0 (9393.4) 1 month post-V4; anti-RBD 1686.8 (2199.44) 1 month post-V2, 555.8 (809.3) 3 months post-V2, 4280.3 (6380.6) 1 month post-V3 and 4792.2 (11 673.78) 1 month post-V4). If primed with a vector vaccine, an mRNA vaccine increased antibody titres to those comparable to homologous mRNA vaccines. Anti-RBD and anti-spike titres were higher in anti-NC seropositive (n=31; 25 participants) versus seronegative samples (BAU/mL median (IQR) anti-RBD 11 755.3 (20 373.1) vs 1248.0 (53 278.7); anti-spike 11 254.4 (15 352.6) vs 1313.1 (3106.6); both p<0.001). IMID disease activity/state and rates of self-reported moderate or severe IMID flare were similar across vaccinations. CONCLUSION: Heterologous COVID-19 vaccination improves seroconversion rates following a vector vaccine and does not lead to IMID disease flare. IMIDs benefit from at least three 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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,033
Tête enseignante GPT0,354
Écart entre enseignants0,321 · 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

Citations11
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→