MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389515205 · doi:10.1101/2023.12.08.23299660

COVID-19 vaccine effectiveness among South Asians in Ontario: A test-negative design population-based case-control study

2023· preprint· en· W4389515205 sur OpenAlexafffundabout
Rahul Chanchlani, Baiju R. Shah, Shrikant I. Bangdiwala, Russell J. de Souza, Jin Luo, Shelly Bolotin, Dawn M. E. Bowdish, Dipika Desai, Scott A. Lear, Mark Loeb, Zubin Punthakee, Diana Sherifali, Gita Wahi, Sonia S. Anand

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensSimon Fraser UniversityImpactUniversity of TorontoMcMaster Children's HospitalMcMaster UniversityPopulation Health Research InstituteSt. Joseph’s Healthcare HamiltonPublic Health OntarioMcMaster University Medical Centre
Organismes subventionnairesSeqirusUniversity of TorontoNovo NordiskSanofiPublic Health AgencyPublic Health Agency of CanadaPfizer
Mots-clésMedicineOddsOdds ratioCoronavirus disease 2019 (COVID-19)DemographyPopulationEthnic groupVaccinationLogistic regressionInternal medicineImmunologyEnvironmental healthDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives To: 1) evaluate the effectiveness of COVID-19 vaccines among South Asians living in Ontario, Canada compared to non-South Asians, and 2) compare the odds of symptomatic COVID-19 infection and related hospitalizations and deaths among non-vaccinated South Asians and non-South Asians. Design Test negative design study Setting Ontario, Canada between Dec 14, 2020 and Nov 15, 2021 Participants All eligible individuals >18 years with symptoms of COVID-19 and subdivided by South Asian ethnicity versus other, and those who were vaccinated versus non-vaccinated. Main Outcome measures The primary outcome was vaccine effectiveness as defined by COVID-19 infections, hospitalizations, and deaths, and secondary outcome was the odds of COVID-19 infections, hospitalizations, and death comparing non-vaccinated South Asians to non-vaccinated non-South Asians. Results 883,155 individuals were included. Among South Asians, two doses of COVID-19 vaccine prevented 93.8% (95% CI 93.2, 94.4) of COVID-19 infections and 97.5% (95% CI 95.2, 98.6) of hospitalizations and deaths. Among non-South Asians, vaccines prevented 86.6% (CI 86.3, 86.9) of COVID-19 infections and 93.1% (CI 92.2, 93.8) of hospitalizations and deaths. Non-vaccinated South Asians had higher odds of symptomatic SARS-CoV-2 infection compared to non-vaccinated non-South Asians (OR 2.35, 95% CI 2.3, 2.4), regardless of their immigration status. Conclusions COVID-19 vaccines are effective in preventing infections, hospitalizations and deaths among South Asians living in Canada. The observation that non-vaccinated South Asians have higher odds of symptomatic COVID-19 infection warrants further investigation. What is already known? Some ethnic communities, such as South Asians, were disproportionately impacted during the COVID-19 pandemic. However, there are limited data on COVID-19 vaccine efficacy among this high-risk ethnic group. What this study adds? - In this large population-based study including close to 900,000 individuals in Canada, we show COVID-19 vaccines are effective in preventing symptomatic SARS CoV-2 infections, hospitalizations and deaths among both South Asians and non-South Asians. - We also demonstrate that, among non-vaccinated individuals, South Asians have higher odds of COVID-19 infection, and an increased risk of COVID-19 hospitalizations and deaths compared to non-South Asians.

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 enseignants0,270
Score d'incertitude au seuil0,543

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,077
Tête enseignante GPT0,361
Écart entre enseignants0,285 · 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'admission3
Résumé présentoui

Explorer davantage

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