Factors associated with immune responses to SARS-CoV-2 vaccination in individuals with autoimmune diseases
Notice bibliographique
Résumé
Patients with autoimmune diseases are at higher risk for severe infection due to their underlying disease and immunosuppressive treatments. In this real-world observational study of 463 patients with autoimmune diseases, we examined risk factors for poor B and T cell responses to SARS-CoV-2 vaccination. We show a high frequency of inadequate anti-spike IgG responses to vaccination and boosting in the autoimmune population but minimal suppression of T cell responses. Low IgG responses in B cell-depleted patients with multiple sclerosis (MS) were associated with higher CD8 T cell responses. By contrast, patients taking mycophenolate mofetil (MMF) exhibited concordant suppression of B and T cell responses. Treatments with highest risk for low anti-spike IgG response included B cell depletion within the last year, fingolimod, and combination treatment with MMF and belimumab. Our data show that the mRNA-1273 (Moderna) vaccine is the most effective vaccine in the autoimmune population. There was minimal induction of either disease flares or autoantibodies by vaccination and no significant effect of preexisting anti-type I IFN antibodies on either vaccine response or breakthrough infections. The low frequency of breakthrough infections and lack of SARS-CoV-2-related deaths suggest that T cell immunity contributes to protection in autoimmune disease.
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 | 0,002 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».