SARS-CoV-2 seroprevalence in Nova Scotia blood donors
Notice bibliographique
Résumé
Background: SARS-CoV-2 seroprevalence monitors cumulative infection rates irrespective of case testing protocols. We aimed to describe Nova Scotia blood donor seroprevalence in relation to public health policy and reported data over the course of the COVID-19 pandemic (May 2020 to August 2022). Methods: Monthly random Nova Scotia blood donation samples (24,258 in total) were tested for SARS-CoV-2 infection antibodies (anti-nucleocapsid) from May 2020 to August 2022, and vaccination antibodies (anti-spike) from January 2021 to August 2022. Multivariable logistic regression for infection antibodies and vaccination antibodies separately with month, age, sex, and racialization identified independent predictors. The provincial nucleic acid amplification test (NAAT)-positive case rate over the pandemic was calculated from publicly available data. Results: Anti-N seroprevalence was 3.8% in January 2022, increasing to 50.8% in August 2022. The general population COVID-19 case rate was 3.5% in January 2022, increasing to 12.5% in August 2022. The percentage of NAAT-positive samples in public health laboratories increased from 1% in November 2021 to a peak of 30.7% in April 2022 with decreasing numbers of tests performed. Higher proportions of younger donors as well as Black, Indigenous, and racialized blood donors were more likely to have infection antibodies ( p < 0.01). Vaccination antibodies increased to 100% over 2021, initially in older donors (60+ years), and followed by progressively younger age groups. Conclusions: SARS-CoV-2 infection rates were relatively low in Nova Scotia until the more contagious Omicron variant dominated, after which about half of Nova Scotia donors had been infected despite most adults being vaccinated (although severity was much lower in vaccinated individuals). Most COVID-19 cases were detected by NAAT until Omicron arrived. When NAAT testing priorities focused on high-risk individuals, infection rates were better reflected by seroprevalence.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 0,000 |
| 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 ».