Vaccine effectiveness dynamics against influenza and SARS-CoV-2 in community-tested patients in France 2023–2024
Notice bibliographique
Résumé
Background The epidemiology of respiratory viruses and vaccine effectiveness (VE) in the community is not well described. This study assessed VE against a positive test of influenza (VEf) and SARS-CoV-2 (VECov).Methods Data from two large networks of community-based laboratories in France were collected during standard of care in the 2023-2024 epidemic season (n = 511,083 RT-PCR tests). Multiplex PCR diagnostic tests were used. Patients’ demographics and symptoms were reported in addition to viral sequencing results. Test-negative design was used to separately estimate VEf and VECov, overall and stratified, by time since vaccination and calendar week.Results Adjusted VEf by age-group, sex, presence of symptoms, PCR technique, and week of testing, was 47.6% (95% CI: 44.3%-50.7%). VEf was lower in patients ≥65 years (42.0%; 95% CI: 36.6%-46.9%) than 18-64 years (52.9%; 95% CI: 48.6%-56.8%). The adjusted VEf against type A influenza, that represented 98% of typed viruses, was 51% (95% CI: 45%-56.6%) for patients vaccinated 15 days to 3 months before testing, and 35.5% (95% CI: 24.2%-45.3%) for those vaccinated 3 to 6 months before testing. For VECov, the adjusted estimate in patients vaccinated 15 days to 3 months prior to testing were 40.6% (95% CI: 7.2%-58.6%) at week 39, 24.8% (95% CI: 4.0%-38.8%) at week 45, and dropped systematically through the epidemic season as the JN.1 variant became dominant.Conclusion This study showed moderate VEf and VECov against infection in the community and highlighted the impact of time since vaccination and age for both estimates, and the new variant emergence on VECov. These findings should be considered in future vaccination campaigns.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».