Pneumococcal serotypes missing prespecified efficacy threshold in immunogenicity trials: real-world evidence from national immunization programs
Notice bibliographique
Résumé
OBJECTIVES: The 13-valent (PCV13) and 10-valent (PCV10) pneumococcal conjugate vaccines missed non-inferiority for certain 7-valent (PCV7) serotypes in immunogenicity trials. This study examines the population-level IPD case trends for these serotypes. METHODS: We identified six countries with national IPD surveillance data that introduced PCV13 (Canada, Germany, Israel, Italy, South Africa, and the United States) and three with PCV10 (Finland, Brazil, and the Netherlands). We extracted country-specific annual IPD case counts for PCV7 serotypes that missed non-inferiority and met non-inferiority (6B + 23F and PCV7 minus [6B + 23F] serotypes for PCV10 countries; 6B +9V + 23F, and PCV7 minus [6B +9V + 23F] serotypes for PCV13 countries) in clinical trials. Case count data for each country were plotted for observed serotype trends in different age groups (<5 and ≥5 years) for 8 years following PCV13/PCV10 introduction. RESULTS: For all ages and countries, IPD cases due to PCV7 serotypes that missed non-inferiority either decreased or remained suppressed following PCV13/PCV10 introduction. Similar trends were found for PCV7 serotypes that met non-inferiority in those <5 years. Paradoxically, cases increased in those ≥5 years in Canada, Italy, and the US, primarily driven by increases in serotypes 4 and 19F disease. CONCLUSIONS: Despite missing non-inferiority of serotypes in immunogenicity trials, higher-valent PCVs effectively suppressed these serotypes across all ages. Non-inferiority criteria from immunogenicity trials may not fully predict real-world disease impact after PCV implementation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».