Malaria and other infections induce polyreactive antibodies that impact SARS‐CoV‐2 seropositivity estimations in endemic settings
Notice bibliographique
Résumé
Anti-severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) seroprevalence is used to estimate the proportion of individuals within a population previously infected, to track viral transmission, and to monitor naturally and vaccine-induced immune protection. However, in sub-Saharan African settings, antibodies induced by higher exposure to pathogens may increase unspecific seroreactivity to SARS-CoV-2 antigens, resulting in false positive responses. To investigate the level and type of unspecific seroreactivitiy to SARS-CoV-2 in Africa, we measured immunoglobulin G (IgG), IgA, and IgM to a broad panel of antigens from different pathogens by Luminex in 602 plasma samples from African and European subjects differing in coronavirus disease 2019, malaria, and other exposures. Seroreactivity to SARS-CoV-2 antigens was higher in prepandemic African than in European samples and positively correlated with antibodies against human coronaviruses, helminths, protozoa, and especially Plasmodium falciparum. African subjects presented higher levels of autoantibodies, a surrogate of polyreactivity, which correlated with P. falciparum and SARS-CoV-2 antibodies. Finally, we found an improved sensitivity in the IgG assay in African samples when using urea as a chaotropic agent. In conclusion, our data suggest that polyreactive antibodies induced mostly by malaria are important mediators of the unspecific anti-SARS-CoV-2 responses, and that the use of dissociating agents in immunoassays could be useful for more accurate estimates of SARS-CoV-2 seroprevalence in African settings.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,002 |
| 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 ».