MétaCan
Menu
Retour à la cohorte
Enregistrement W4394820087 · doi:10.1016/j.vaccine.2024.04.026

Effectiveness of two and three doses of COVID-19 mRNA vaccines against infection, symptoms, and severity in the pre-omicron era: A time-dependent gradient

2024· article· en· W4394820087 sur OpenAlexaff
Layan Sukik, Hiam Chemaitelly, Houssein H. Ayoub, Peter Coyle, Patrick Tang, Hadi M. Yassine, Asmaa A. Al Thani, Mohammad R. Hasan, Zaina Al Kanaani, Einas Al‐Kuwari, Andrew Jeremijenko, Anvar Hassan Kaleeckal, Ali Nizar Latif, Riyazuddin Mohammad Shaik, Hanan F. Abdul Rahim, Gheyath K. Nasrallah, Mohamed Ghaith Al‐Kuwari, Adeel A. Butt, Hamad Eid Al‐Romaihi, Mohamed H. Al‐Thani, Abdullatif Al‐Khal, Roberto Bertollini, Manar E. Abdel‐Rahman, Laith J. Abu‐Raddad

Notice bibliographique

RevueVaccine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensMcMaster University
Organismes subventionnairesWeill Cornell Medical CollegeFonds National de la Recherche LuxembourgSidra MedicineWeill Cornell Medicine - QatarMinistry of Public HealthQatar National Research FundHamad Medical CorporationQatar Foundation
Mots-clésAsymptomaticVaccinationMedicineCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Internal medicineImmunologyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Vaccines were developed and deployed to combat severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection. This study aimed to characterize patterns in the protection provided by the BNT162b2 and mRNA-1273 mRNA vaccines against a spectrum of SARS-CoV-2 infection symptoms and severities. METHODS: A national, matched, test-negative, case-control study was conducted in Qatar between January 1 and December 18, 2021, utilizing a sample of 238,896 PCR-positive tests and 6,533,739 PCR-negative tests. Vaccine effectiveness was estimated against asymptomatic, symptomatic, severe coronavirus disease 2019 (COVID-19), critical COVID-19, and fatal COVID-19 infections. Data sources included Qatar's national databases for COVID-19 laboratory testing, vaccination, hospitalization, and death. RESULTS: Effectiveness of two-dose BNT162b2 vaccination was 75.6% (95% CI: 73.6-77.5) against asymptomatic infection and 76.5% (95% CI: 75.1-77.9) against symptomatic infection. Effectiveness against each of severe, critical, and fatal COVID-19 infections surpassed 90%. Immediately after the second dose, all categories-namely, asymptomatic, symptomatic, severe, critical, and fatal COVID-19-exhibited similarly high effectiveness. However, from 181 to 270 days post-second dose, effectiveness against asymptomatic and symptomatic infections declined to below 40%, while effectiveness against each of severe, critical, and fatal COVID-19 infections remained consistently high. However, estimates against fatal COVID-19 often had wide 95% confidence intervals. Analogous patterns were observed in three-dose BNT162b2 vaccination and two- and three-dose mRNA-1273 vaccination. Sensitivity analyses confirmed the results. CONCLUSION: A gradient in vaccine effectiveness exists and is linked to the symptoms and severity of infection, providing higher protection against more symptomatic and severe cases. This gradient intensifies over time as vaccine immunity wanes after the last vaccine dose. These patterns appear consistent irrespective of the vaccine type or whether the vaccination involves the primary series or a booster.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,326
Écart entre enseignants0,311 · 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

Citations14
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207