SARS-CoV-2 Antibody Prevalence Across Unvaccinated Health Care Workers During the COVID-19 Pandemic in Yemen: Cross-Sectional Study
Notice bibliographique
Résumé
Background: The COVID-19 pandemic presented significant challenges to health care centers across Yemen. The lack of access to COVID-19 vaccines and limited availability of personal protective equipment greatly increased the risk of SARS-CoV-2 exposure among health care workers (HCWs). Only a few studies have examined the seroprevalence and burden of SARS-CoV-2 among Yemeni HCWs. Objective: This study aimed to assess the seroprevalence of SARS-CoV-2 and associated risk factors among a cohort of unvaccinated HCWs in Ibb City, the capital of Ibb Governorate, located in the highlands of southwestern Yemen between July 2022 and January 2023. Methods: Unvaccinated HCWs employed in public and private hospitals, dispensaries, pharmacies, and laboratories in Ibb City during the past 6 months were eligible. Blood samples, occupational information, and structured interviews using a questionnaire were collected from a convenience sample of 396 unvaccinated HCWs actively providing health care services between July 2022 and January 2023. SARS-CoV-2 antibody presence was determined using a lateral flow immunoassay. Results: Of the 396 HCWs tested, 268 (67.7%) were positive for SARS-CoV-2 antibodies, with no significant difference in seropositivity between sex (P=.29). Key factors associated with seropositivity included occupation and workplace. Compared to laboratory technicians (76/124, 61%), nurses (93/124, 75%; odds ratio [OR] 1.89, 95% CI 1.10-3.26; P=.02) and physician assistants (13/14, 92.9%; OR 8.21, 95% CI 1.04-64.79; P=.046) had significantly higher odds of seropositivity. Similarly, working in hospitals was associated with significantly higher odds of seropositivity compared to working in laboratories (OR 2.77, 95% CI 1.59-4.81; P<.001). Overall, 82% (219/268) of seropositive HCWs reported COVID-19-related symptoms within the last 6 months (OR 3.82, 95% CI 2.40-6.09; P<.001), the majority being fever (191/256, 74.6%; OR 2.40, 95% CI 1.56-3.72; P<.001), headache (175/230, 76.1%; OR 2.50, 95% CI 1.62-3.84; P<.001), cough (162/205, 79%; OR 3.02, 95% CI 1.94-4.70; P<.001), or loss of taste (155/202, 76.7%; OR 2.36, 95% CI 1.53-3.65; P<.001) or smell (146/191, 76.4%; OR 2.21, 95% CI 1.43-3.41; P<.001). Conclusions: This study reveals a high prevalence of SARS-CoV-2 antibodies among HCWs in Ibb City, Yemen, underscoring the impact of limited vaccination and personal protective equipment availability in 2022 and 2023. These findings highlight the urgent need for improved protective measures and vaccination efforts in conflict-affected regions.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».