MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387080471 · doi:10.21203/rs.3.rs-3283799/v1

SARS-CoV-2 Vaccine Non-response among Hematopoietic Stem Cell Transplant Patients: A Systematic Review and Meta-analysis

2023· review· en· W4387080471 sur OpenAlexaboutno aff
Afoke Kokogho, Trevor A. Crowell, Paul Bain, Sudaba Popal, Muneerah M Aleissa, Jun Bai Park Chang, Deema Aleissa, Agho Osamade, Lewis A. Novack, August Heithoff, Lindsey R. Baden, Amy C Sherman, Stephen R. Walsh

Notice bibliographique

RevueResearch Square · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisInternal medicineObservational studyConfidence intervalVaccinationHematopoietic stem cell transplantationSeroconversionAdverse effectSubgroup analysisImmunologyTransplantationAntibody

Résumé

récupéré en direct d'OpenAlex

Abstract Background Hematopoietic stem cell transplant (HSCT) recipients are uniquely vulnerable to adverse outcomes of SARS-CoV-2 infection. Small, mostly observational studies suggest that some HSCT recipients may not generate protective antibody responses following SARS-CoV-2 vaccination. We conducted a meta-analysis to estimate the prevalence and identify predictors of vaccine non-response. Methods A comprehensive search of electronic databases, including MEDLINE (Ovid), Embase (Elsevier), Web of Science Core Collection (Clarivate), the Cochrane Central Register of Controlled Trials (Wiley), and the Cochrane COVID-19 Study Register was conducted on January 20, 2023. We defined a non-response as not achieving a seroconversion (positive anti-S IgG titer) after receiving at least two vaccine doses, indicated by study-specific assay cut-off value. Only studies assessing COVID-19 vaccine induced antibody (anti-S IgG) responses in adult (≥ 18 years) HSCT recipients were included. With 95% confidence intervals (CI) across all studies, a random-effects model was used to combine the pooled effect sizes. Quality and risk of bias assessment were determined using the Newcastle-Ottawa scale and ROBINS-I tool, respectively. Results Out of 903 unique articles identified and 439 screened, 45 were included in this analysis comprising 4568 participants. Pooled absent sero-conversion was 20% (95% CI: 17% − 24%) with significant heterogeneity (I2 = 95.10%) among included studies (1 clinical trial, 1 cross-sectional study, 1 case-control study, and 42 observational cohort studies). Subgroup analyses showed no difference between autologous [0.21 (95%CI 0.12–0.31)] and allogeneic [0.20 (95%CI 0.17–0.24)] transplant recipients. Identified predictors of non-response included time interval between transplantation and vaccination (< 12 months), concurrent anti-CD20 therapy, and specific treatments (high-dose glucocorticosteroid, calcineurin inhibitor, and anti-thymocyte globulin) for graft versus host disease. No publication bias was observed but the Galbraith’s plot asymmetry showed evidence of small-study effects. Conclusion Our findings emphasize the significant prevalence of non-responsiveness to SARS-CoV-2 vaccination in HSCT recipients and underscore need for close monitoring and aggressive risk factor management in this immunocompromised population.

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)0,011
score de la tête « metaresearch » (Gemma)0,030
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,030
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0230,040
Bibliométrie0,0080,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
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 Opus0,184
Tête enseignante GPT0,454
Écart entre enseignants0,270 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→