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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,000 | 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 ».