Immunomodulatory drugs have divergent effects on humoral and cellular immune responses to SARS-CoV-2 vaccination in people living with rheumatoid arthritis
Notice bibliographique
Résumé
Abstract Understanding the efficacy of SARS-CoV-2 vaccination in people on immunosuppressive drugs, including those with rheumatoid arthritis (RA), is critical for their protection. Vaccine induced protection requires antibodies, CD4+ T cells, and CD8+ T cells, but it is unclear if these are equally affected by immunomodulatory drugs. Here, we determined how humoral and cellular SARS-CoV-2 vaccination responses differed between people with RA and controls, and which drug classes impacted these responses. Blood was collected from participants with RA on immunomodulatory drugs and controls after their second, third, and fourth SARS-CoV-2 vaccinations. Receptor binding domain (RBD)-specific antibodies were quantified by ELISA. Spike-specific memory T cells were quantitated using flow cytometry. Linear mixed models assessed the impact of age, sex, and immunomodulatory drug classes on SARS-CoV-2 vaccination responses. Compared to non-RA controls (n = 35), participants with RA on immunomodulatory drugs (n = 62) had lower anti-RBD IgG and spike-specific CD4+ T cell levels, but no deficits in spike-specific CD8+ T cells, following SARS-CoV-2 vaccination. Use of costimulation inhibitors was associated with lower humoral responses. JAK inhibitors were associated with fewer spike-specific CD4+ T cells. Participants with RA on immunomodulatory drugs mounted weaker responses to SARS-CoV-2 vaccination, with different drug classes impacting the cellular and humoral compartments.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».