MétaCan
Menu
Retour à la cohorte
Enregistrement W4386695815 · doi:10.3389/fimmu.2023.1204831

Comparative effectiveness of mRNA-1273 and BNT162b2 COVID-19 vaccines in immunocompromised individuals: a systematic review and meta-analysis using the GRADE framework

2023· review· en· W4386695815 sur OpenAlexaboutno aff
Xuan Wang, Katrin Haeussler, Anne Spellman, Leslie E. Phillips, Allison Ramiller, Mary T. Bausch-Jurken, Pawana Sharma, Anna Krivelyova, Sonam Vats, Nicolas Van de Velde

Notice bibliographique

RevueFrontiers in Immunology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesModerna
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Meta-analysis2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)ImmunologyVirologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction Despite representing only 3% of the US population, immunocompromised (IC) individuals account for nearly half of the COVID-19 breakthrough hospitalizations. IC individuals generate a lower immune response after vaccination in general, and the US CDC recommended a third dose of either mRNA-1273 or BNT162b2 COVID-19 vaccines as part of their primary series. Influenza vaccine trials have shown that increasing dosage could improve effectiveness in IC populations. The objective of this systematic literature review and pairwise meta-analysis was to evaluate the clinical effectiveness of mRNA-1273 (50 or 100 mcg/dose) vs BNT162b2 (30 mcg/dose) in IC populations using the GRADE framework. Methods The systematic literature search was conducted in the World Health Organization COVID-19 Research Database. Studies were included in the pairwise meta-analysis if they reported comparisons of mRNA-1273 and BNT162b2 in IC individuals ≥18 years of age; outcomes of interest were symptomatic, laboratory-confirmed SARS-CoV-2 infection, SARS-CoV-2 infection, severe SARS-CoV-2 infection, hospitalization due to COVID-19, and mortality due to COVID-19. Risk ratios (RR) were pooled across studies using random-effects meta-analysis models. Outcomes were also analyzed in subgroups of patients with cancer, autoimmune disease, and solid organ transplant. Risk of bias was assessed using the Newcastle-Ottawa Scale for observational studies. Evidence was evaluated using the GRADE framework. Results Overall, 17 studies were included in the pairwise meta-analysis. Compared with BNT162b2, mRNA-1273 was associated with significantly reduced risk of SARS-CoV-2 infection (RR, 0.85 [95% CI, 0.75–0.97]; P =0.0151; I 2 = 67.7%), severe SARS-CoV-2 infection (RR, 0.85 [95% CI, 0.77–0.93]; P =0.0009; I 2 = 0%), COVID-19–associated hospitalization (RR, 0.88 [95% CI, 0.79–0.97]; P <0.0001; I 2 = 0%), and COVID-19–associated mortality (RR, 0.63 [95% CI, 0.44–0.90]; P =0.0119; I 2 = 0%) in IC populations. Results were consistent across subgroups. Because of sample size limitations, relative effectiveness of COVID-19 mRNA vaccines in IC populations cannot be studied in randomized trials. Based on nonrandomized studies, evidence certainty among comparisons was type 3 (low) and 4 (very low), reflecting potential biases in observational studies. Conclusion This GRADE meta-analysis based on a large number of consistent observational studies showed that the mRNA-1273 COVID-19 vaccine is associated with improved clinical effectiveness in IC populations compared with BNT162b2.

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)0,018
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,040
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0250,058
Bibliométrie0,0090,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,179
Tête enseignante GPT0,453
Écart entre enseignants0,274 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations38
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207