Vaccinating Against a Novel Pathogen: A Critical Review of COVID-19 Vaccine Effectiveness Evidence
Notice bibliographique
Résumé
We study here what can be learned from our experience with COVID-19 vaccination for an initially naïve population, that can inform planning for vaccination against the next novel, highly transmissible pathogen. We focus on the first two pandemic years (wild strain through Delta), because after the Omicron wave in early 2022, few people were still SARS-CoV-2-naïve. Almost all were vaccinated, infected, or often both. We review the evidence on COVID-19 vaccine effectiveness (VE), waning effectiveness over time, and what we should expect about VE and waning from a future pathogen. As a basis for our analysis, we conducted a PRISMA-compliant review of all studies on PubMed through August 15, 2022 reporting VE against four endpoints: any infection, symptomatic infection, hospitalization, and death, for the four principal vaccines used in developed Western countries (BNT162b2, mRNA1273, Ad26.CoV2.S, and ChAdOx1-S). The mRNA vaccines (BNT162b2, mRNA1273) had high initial VE against all endpoints but protection waned after approximately six months, with BNT162b2 declining faster than mRNA1273. Both mRNA vaccines initially outperformed the viral vector vaccines. A third “booster” dose, roughly six months after the primary doses, substantially reduced symptomatic infection, severe disease, and mortality, and in hindsight should be seen as part of the normal vaccination schedule.
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 | 0,016 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,011 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».