COVID-19 vaccine effectiveness among South Asians in Canada
Notice bibliographique
Résumé
We evaluated the effectiveness of COVID-19 vaccines among South Asians living in Ontario, Canada compared to non-South Asians and compared the odds of symptomatic COVID-19 infection and related hospitalizations and deaths among non-vaccinated South Asians and non-South Asians. This was a test negative design study conducted in Ontario, Canada between December 14, 2020 and November 15, 2021. All eligible individuals >18 years with symptoms of COVID-19 were subdivided by ethnicity (South Asian vs other) and vaccination status (vaccinated versus not). The primary outcome was vaccine effectiveness as defined by COVID-19 infections, hospitalizations, and deaths, and secondary outcome was the odds of COVID-19 infections, hospitalizations, and death comparing non-vaccinated South Asians to non-vaccinated non-South Asians. 883,155 individuals were included. Among South Asians, two doses of COVID-19 vaccine prevented 93.8% (95% CI 93.2, 94.4) of COVID-19 infections and 97.5% (95% CI 95.2, 98.6) of hospitalizations and deaths. Among non-South Asians, vaccines prevented 86.6% (CI 86.3, 86.9) of COVID-19 infections and 93.1% (CI 92.2, 93.8) of hospitalizations and deaths. Non-vaccinated South Asians had higher odds of symptomatic SARS-CoV-2 infection compared to non-vaccinated non-South Asians (OR 2.35, 95% CI 2.3, 2.4), regardless of their immigration status. COVID-19 vaccines are effective in preventing infections, hospitalizations and deaths among South Asians living in Canada. The observation that non-vaccinated South Asians have higher odds of symptomatic COVID-19 infection warrants further investigation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».