Leveraging a clinical emergency department dataset to estimate two-dose COVID-19 vaccine effectiveness and duration of protection in Canada
Notice bibliographique
Résumé
BACKGROUND: During the COVID-19 pandemic, clinical care shifted toward virtual and Emergency Department care. We explored the feasibility of mRNA vaccine effectiveness (VE) estimation against SARS-CoV-2-related Emergency Department visits and hospitalizations using prospectively collected Emergency Department data. METHODS: We estimated two-dose VE using a test-negative design and data from 10 participating sites of the Canadian COVID-19 Emergency Department Rapid Response Network (CCEDRRN). We included Emergency Department patients presenting with COVID-19 symptoms and nucleic acid amplification testing for SARS-CoV-2 between July 19 and December 31, 2021. We excluded patients with unclear vaccination and one or more than 2 vaccine doses by their Emergency Department visit. RESULTS: Among 3,405 eligible patients, adjusted two-dose mRNA VE against SARS-CoV-2-related Emergency Department visits was 93.3 % (95 % CI 87.9-96.3 %) between 7-55 days, sustained over 80 % through 139 days post-vaccination. In stratified analyses, VE was similar among patients with select immune-compromising conditions, chronic kidney disease, lung disease, unstable housing, and reported illicit substance use. CONCLUSIONS: Two-dose mRNA VE against SARS-CoV-2-related Emergency Department visit was high and sustained, including among vulnerable subgroups. Compared to administrative datasets, active Emergency Department enrolment enables standardization for testing access and indication and supports separate VE assessment among special population subgroups. Compared to other active enrolment settings, Emergency Departments more consistently function during crises when alternate healthcare sectors become variably closed. TRIAL REGISTRATION: Clinicaltrials.gov, NCT0470294.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».