MétaCan
Menu
Retour à la cohorte
Enregistrement W4405037734 · doi:10.1016/j.clinbiochem.2024.110859

Characterizing the SARS-CoV-2 antibody response and associations with patient factors: Serological profiling of participants enrolled in the GENCOV study

2024· article· en· W4405037734 sur OpenAlexafffundabout
Gregory Morgan, Chun Yiu Jordan Fung, Anne‐Claude Gingras, Karen Colwill, Laurent Briollais, Erika Frangione, Dawit Wolday, Freda Qi, Adrian Pasculescu, Melanie Delgado-Brand, Geneviève Mailhot, Tulunay Tursun, Saranya Arnoldo, Alexandra Binnie, Bjug Borgundvaag, Selina Casalino, Sunakshi Chowdhary, Marc Dagher, Luke Devine, Lloyd T. Elliott, Steven Friedman, Zeeshan Khan, Elisa Lapadula, Georgia MacDonald, Tony Mazzulli, Shelley McLeod, Chloe Mighton, Konika Nirmalanathan, David J. Richardson, Seth Stern, Ahmed Taher, Juliet Young, Jordan Lerner‐Ellis, Jennifer Taher

Notice bibliographique

RevueClinical Biochemistry · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensSt. Michael's HospitalSinai Health SystemWilliam Osler Health SystemYork Central HospitalSchwartz/Reisman Emergency Medicine InstituteSimon Fraser UniversityMount Sinai HospitalLunenfeld-Tanenbaum Research InstitutePrincess Margaret Cancer CentreUniversity of TorontoUniversity Health NetworkWomen's College HospitalMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research ChairsCanada Foundation for Innovation
Mots-clésSerologyProfiling (computer programming)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)Antibody responseMedicine2019-20 coronavirus outbreakVirologyAntibodyImmunologyInternal medicineDiseaseComputer scienceOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The GENCOV study sought to evaluate serological differences between individuals with differing COVID-19 severity and outcomes. We assessed the SARS-CoV-2 antibody response of GENCOV participants cross-sectionally 1-, 6-, and 12-months following COVID-19 diagnosis to identify patient factors associated with more robust and durable humoral immune responses. MATERIALS AND METHODS: COVID-19 patients and a control cohort of vaccinated infection-naïve participants were recruited at hospital sites across the Greater Toronto Area in Ontario, Canada. Commercially available and laboratory-developed serological assays were used to characterize features of participants' antibody responses, including both binding and neutralizing antibodies. Regression analyses were performed to identify associations between participant characteristics and features of the SARS-CoV-2 antibody response. RESULTS: Samples were obtained from participants 1- (n = 938), 6- (n = 842), and 12-months (n = 662) post-infection or vaccination. At all time points, vaccinees, and to a greater extent those who were both infected and vaccinated, had significantly elevated anti-spike antibody levels compared to unvaccinated participants. Increasing age and/or illness severity were associated with significantly higher antibody levels among unvaccinated participants. Among vaccines, those who were vaccinated after infection (i.e., hybrid immunity) had consistently higher antibody levels compared to participants who were infection-naïve or vaccinated before their infection (i.e., breakthrough infections). Additionally, receiving more vaccine doses and having a more recent vaccination were strongly associated with higher antibody levels across all time points. CONCLUSIONS: Our findings highlight various patient factors, including vaccination, which contribute to robust, durable SARS-CoV-2 antibody responses. Overall, the findings presented here may inform future vaccine development and rollout plans.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,153
Tête enseignante GPT0,466
Écart entre enseignants0,313 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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'admission3
Résumé présentoui

Explorer davantage

Même revueClinical BiochemistryMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207