MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400686771 · doi:10.2196/49812

Predicting Efficacies of Fractional Doses of Vaccines by Using Neutralizing Antibody Levels: Systematic Review and Meta-Analysis

2024· review· en· W4400686771 sur OpenAlexvenueno aff
Zhanwei Du, Caifen Liu, Yuan Bai, Lin Wang, Wey Wen Lim, Eric H. Y. Lau, Benjamin J. Cowling

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious Diseases
Mots-clésMedicineImmunogenicityVaccinationNeutralizing antibodyAsymptomaticNeutralizationVaccine efficacyImmunologyReactogenicityAntibodyVirologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: With the emergence of SARS-CoV-2 variants that have eluded immunity from vaccines and prior infections, vaccine shortages and vaccine effectiveness pose unprecedented challenges for governments in expanding booster vaccination programs. The fractionation of vaccine doses might be an effective strategy for helping society to face these challenges, as fractional doses may have efficacies comparable with those of the standard doses. Objective: This study aims to investigate the relationship between vaccine immunogenicity and protection and to project efficacies of fractional doses of vaccines for COVID-19 by using neutralizing antibody levels. Methods: In this study, we analyzed the relationship between in vitro neutralization levels and the observed efficacies against both asymptomatic infection and symptomatic infection, using data from 13 studies of 10 COVID-19 vaccines and from convalescent cohorts. We further projected efficacies for fractional doses, using neutralization as an intermediate variable, based on immunogenicity data from 51 studies included in our systematic review. Results: In comparisons with the convalescent level, vaccine efficacy against asymptomatic infection and symptomatic infection increased from 8.8% (95% CI 1.4%-16.1%) to 71.8% (95% CI 63%-80.7%) and from 33.6% (95% CI 23.6%-43.6%) to 98.6% (95% CI 97.6%-99.7%), respectively, as the mean neutralization level increased from 0.1 to 10 folds of the convalescent level. Additionally, mRNA vaccines provided the strongest protection, which decreased slowly for fractional dosing with dosages between 50% and 100% of the standard dose. We also observed that although vaccine efficacy increased with the mean neutralization level, the rate of this increase was slower for vaccine efficacy against asymptomatic infection than for vaccine efficacy against symptomatic infection. Conclusions: Our results are consistent with studies on immune protection from SARS-CoV-2 infection. Based on our study, we expect that fractional-dose vaccination could provide partial immunity against SARS-CoV-2 and its variants. Our findings provide a theoretical basis for the efficacy of fractional-dose vaccines, serving as reference evidence for implementing fractional dosing vaccine policies in areas facing vaccine shortages and thereby mitigating disease burden. Fractional-dose vaccination could be a viable vaccination strategy comparable to full-dose vaccination and deserves further exploration.

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)0,019
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,048
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0190,051
Bibliométrie0,0080,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,240
Tête enseignante GPT0,489
Écart entre enseignants0,249 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and Surveillance→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→