MétaCan
Menu
Retour à la cohorte
Enregistrement W4386219393 · doi:10.6000/1929-6029.2023.12.11

Effect of Vaccination Status on SARS-CoV-2 Antibody Levels in Gowa Regency Community, Indonesia

2023· article· en· W4386219393 sur OpenAlexvenueno aff
A. Annisa Mulyani Ilmy, Ridwan Ridwan, Andi Zulkifli, A. Arsunan Arsin, Aminuddin Syam, Arifin Seweng

Notice bibliographique

RevueInternational Journal of Statistics in Medical Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Hasanuddin
Mots-clésVaccinationImmune systemAntibodyImmunologyLogistic regressionMedicineImmune statusMultivariate analysisInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: COVID-19 is a disease caused by infection with SARS-CoV-2 (Severe Acute Respiratory Syndrome Coronavirus 2). One of the body's immune responses to infection is to produce antibodies. Acute SARS-CoV-2 infection initiates cellular and humoral immune responses. The humoral immune response specifically generates antibodies against virus-specific antigens. Several factors influence the immune response, one of which is vaccination status. Therefore, this study aimed to determine and analyze the effect of vaccination status on SARS-CoV-2 antibody levels. Methods: An analytical observational study with a cross-sectional design involving 815 samples was conducted. The proportional random sampling technique was employed based on data obtained from the Seroepidemiology Survey. Data analysis was conducted using the STATA version 14.0 program with the Independent T-Test, Mann Whitney test, Kruskal Wallis test, and Multiple logistic regression. Results: The results showed that there was a significant relationship between the determinant variables of SARS-CoV-2 antibody levels based on gender (p=0.012), vaccination status (p=0.000), and COVID-19 infection history (p=0.000). Furthermore, the multivariate analysis indicated that vaccination status was the variable most associated with SARS-CoV-2 antibody levels (p = 0.010). The OR value = 0.16 < 1 and 95%CI (0.04-0.65) which did not contain a value of 1 suggested vaccination status to be a significant protective factor associated with SARS-CoV-2 antibody levels, with a probability value of 94.1%. Conclusion: The most influential variable on SARS-CoV-2 antibody levels in the Gowa Regency was vaccination status. Moreover, none of the variables measured were identified as confounding factors or showed interaction effects.

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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,131
Tête enseignante GPT0,540
Écart entre enseignants0,409 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics in Medical ResearchMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207