Determinants of durable humoral and T cell immunity in myeloma patients following <scp>COVID</scp>‐19 vaccination
Notice bibliographique
Résumé
OBJECTIVE: To describe determinants of persisting humoral and cellular immune response to the second COVID-19 vaccination among patients with myeloma. METHODS: This is a prospective, observational study utilising the RUDYstudy.org platform. Participants reported their second and third COVID-19 vaccination dates. Myeloma patients had an Anti-S antibody level sample taken at least 21 days after their second vaccination and a repeat sample before their third vaccination. RESULTS: 60 patients provided samples at least 3 weeks (median 57.5 days) after their second vaccination and before their third vaccination (median 176.0 days after second vaccine dose). Low Anti-S antibody levels (<50 IU/mL) doubled during this interval (p = .023) and, in the 47 participants with T-spot data, there was a 25% increase negative T-spot tests (p = .008). Low anti-S antibody levels prior to the third vaccination were predicted by lower Anti-S antibody level and negative T-spot status after the second vaccine. Independent determinants of a negative T-spot included increasing age, previous COVID infection, high CD4 count and lower percentage change in Anti-S antibody levels. CONCLUSIONS: Negative T-spot results predict low Anti-S antibody levels (<50 IU/mL) following a second COVID-19 vaccination and a number of biomarkers predict T cell responses in myeloma patients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».