Cross-sectional Characterization of SARS-CoV-2 Antibody Levels and Decay Rates Following Infection of Unvaccinated Elderly Individuals
Notice bibliographique
Résumé
Background: SARS-CoV-2 infections have disproportionally burdened elderly populations with excessive mortality. While several contributing factors exists, questions remain about the quality and duration of humoral antibody-mediated responses resulting from infections in unvaccinated elderly individuals. Methods: Residual serum/plasma samples were collected from individuals undergoing routine SARS-CoV-2 polymerase chain reaction testing in a community laboratory in Canada. The samples were collected in 2020, before vaccines became available. IgG, IgA, and IgM antibodies against SARS-CoV-2 nucleocapsid, trimeric spike, and its receptor-binding domain were quantified via a high-throughput chemiluminescent enzyme-linked immunosorbent assay. Neutralization efficiency was also quantified through a surrogate high-throughput protein-based neutralization assay. Results: This study analyzed SARS-CoV-2 antibody levels in a large cross-sectional cohort (N = 739), enriched for elderly individuals (median age, 82 years; 75% >65 years old), where 72% of samples tested positive for SARS-CoV-2 by polymerase chain reaction. The age group ≥90 years had higher levels of antibodies than that <65 years. Neutralization efficiency showed an age-dependent trend, where older persons had higher levels of neutralizing antibodies. Antibodies targeting the nucleocapsid had the fastest decline. IgG antibodies targeting the receptor-binding domain remained stable over time, potentially explaining the lack of neutralization decay observed in this cohort. Conclusions: Despite older individuals having the highest levels of antibodies postinfection, they are the cohort in which antibody decay was the fastest. Until a better understanding of correlates of protection is acquired, along with the protective role of nonneutralizing antibodies, booster vaccinations remain important in this demographic.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».