Influence of individuals’ determinants including vaccine type on cellular and humoral responses to SARS-CoV-2 vaccination
Notice bibliographique
Résumé
Vaccine development targeting SARS-CoV-2 in 2020 was of critical importance in reducing COVID-19 severity and mortality. In the U.K. during the initial roll-out most individuals either received two doses of Pfizer COVID-19 vaccine (BNT162b2) or the adenovirus-based vaccine from Oxford/AstraZeneca (ChAdOx1-nCoV-19). There are conflicting data as to the impact of age, sex and body habitus on cellular and humoral responses to vaccination, and most studies in this area have focused on determinants of mRNA vaccine immunogenicity. Here, we studied a cohort of participants in a population-based longitudinal study (COVIDENCE UK) to determine the influence of age, sex, body mass index (BMI) and pre-vaccination anti-Spike (anti-S) antibody status on vaccine-induced humoral and cellular immune responses to two doses of BNT162b2 or ChAdOx-n-CoV-19 vaccination. Younger age and pre-vaccination anti-S seropositivity were both associated with stronger antibody responses to vaccination. BNT162b2 generated higher neutralising and anti-S antibody titres to vaccination than ChAdOx1-nCoV-19, but cellular responses to the two vaccines were no different. Irrespective of vaccine type, increasing age was also associated with decreased frequency of cytokine double-positive CD4+T cells. Increasing BMI was associated with reduced frequency of SARS-CoV-2-specific TNF+CD8% T cells for both vaccines. Together, our findings demonstrate that increasing age and BMI are associated with attenuated cellular and humoral responses to SARS-CoV-2 vaccination. Whilst both vaccines induced T cell responses, BNT162b2 induced significantly elevated humoral immune response as compared to ChAdOx-n-CoV-19.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».