Eleven-month SARS-CoV-2 binding antibody decay, and associated factors, among mRNA vaccinees: implications for booster vaccination
Notice bibliographique
Résumé
Background. We examined the 11 month longitudinal antibody decay among two-dose mRNA vaccinees, and identified factors associated with faster decay. Methods. The study included samples from the COVID-19 Occupational Risk, Seroprevalence and Immunity among Paramedics (CORSIP) longitudinal observational study of paramedics in Canada. Participants were included if they had received two mRNA vaccines without prior SARS-CoV-2 infection and provided two blood samples post-vaccination. The outcomes of interest were quantitative SARS-CoV-2 antibody concentrations. We employed spaghetti and scatter plots (with kernel-weighted local polynomial smoothing curve) to describe the trend of the antibody decay over 11 months post-vaccine and fit a mixed effect exponential decay model to examine the loss of immunogenicity and factors associated with antibody waning over time. Results. This analysis included 652 blood samples from 326 adult paramedics. Total anti-spike antibody levels peaked on the twenty-first day (antibody level 9042 U ml −1 ) after the second mRNA vaccine dose. Total anti-spike antibody levels declined thereafter, with a half-life of 94 [95 % CI: 70, 143] days, with levels plateauing at 295 days (antibody level 1021 U ml −1 ). Older age, vaccine dosing interval <35 days, and the BNT162b2 vaccine (compared to mRNA-1273 vaccine) were associated with faster antibody decay. Conclusion. Antibody levels declined after the initial mRNA series with a half-life of 94 days, plateauing at 295 days. These findings may inform the timing of booster vaccine doses and identifying individuals with faster antibody decay.
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 | 0,003 | 0,010 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».