MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411846587 · doi:10.3899/jrheum.2025-0314.14

Anti-Spike Antibodies Protect Against Covid-19 Infection in Immune-Mediated Inflammatory Diseases: Findings from the SUCCEED Study

2025· article· en· W4411846587 sur OpenAlexaffvenueabout
Jeremiah Tan, Antonio Aviña-Zubieta, Paul R. Fortin, Anne‐Claude Gingras, Maggie Larché, Dawn M. E. Bowdish, Claudie Berger, Inés Colmegna, Carol Hitchon, Diane Lacaille, Dawn P. Richards, Nadine Lalonde, Ayesha Kirmani, Jennifer Lee, Sasha Bernatsky

Notice bibliographique

RevueThe Journal of Rheumatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensHEC MontréalMcGill University Health CentreMcMaster UniversityUniversity of ManitobaSt. Joseph’s Healthcare HamiltonMontreal Clinical Research InstituteCentre hospitalier de l'Université LavalLunenfeld-Tanenbaum Research InstituteCanadian Arthritis Patient AllianceArthritis Research Centre of CanadaUniversité LavalResearch Canada
Organismes subventionnairesnon disponible
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Immune systemAntibodyImmunology2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Spike (software development)VirologyInflammationCoronavirus InfectionsBetacoronavirusDiseaseInfectious disease (medical specialty)OutbreakPathology

Résumé

récupéré en direct d'OpenAlex

Objectives People with immune-mediated inflammatory diseases (IMIDs) may be more vulnerable to severe COVID-19 outcomes. COVID-19 vaccination is a key element in mitigating this risk. Anti-SARS-CoV-2 antibodies (Ab), including anti-spike (S) and anti-receptor binding domain (RBD) Ab, are metrics of seroconversion following COVID-19 vaccination in the general population. We assessed if anti-S and anti-RBD antibodies were negatively correlated with COVID-19 infection in IMID. Methods SUCCEED, a prospective Canada-wide study, was conducted in 2 phases. First, between Feb 2021-Jul 2023, adult IMID participants provided dried blood spot samples for anti-S and anti-RBD ELISA testing at intervals of 1, 3, 6, and 12 months following each COVID-19 vaccine dose. Second, between Sep 2022-Aug 2023, consenting participants from 4 academic centers in British Columbia, Ontario and Quebec (2) also provided monthly saliva samples for PCR detection of SARS-CoV-2. We studied subjects receiving at least their primary series (3+ doses) of a COVID-19 vaccine. Multivariable general estimating equation (GEE) models (accounting for repeated measures) evaluated PCR SARS-CoV-2 detection in saliva, assessing the effects of anti-S or anti-RBD levels (in separate models) within the 6 months preceding a given saliva sample. We controlled for recent COVID-19 infection, sex, age, medications (conventional immunosuppressives, biologics, and prednisone), and time since last COVID vaccine. Results 366 participants contributed 1,266 saliva samples. Participants were 79.8% female and 85.5% White, with median age 56.7 (standard deviation: 13.8) years. Most participants were taking immunosuppressants (N=252, 68.9%). The majority (N=356, 97.3%) of participants displayed seroconversion at the first saliva sample, defined as ≥11.3 Binding Antibody Units (BAU)/ml for anti-S or ≥31 BAU/ml for anti-RBD. In the GEE models of positive saliva PCR for SARS-CoV-2, (Table 1) a 1000 BAU/ml increase in anti-S was associated with an adjusted odds ratio (aOR) of 0.66 (95% confidence interval [CI] 0.45-0.97). Anti-RBD Ab levels had a similar effect (aOR 0.91, 95% CI 0.81-1.02). Table 1: Odds Ratios, OR (95% confidence intervals, CI) for Having a Positive COVID-19 Saliva Test in Univariable and Multivariable GEE Models Conclusion In this large, multi-center sample of COVID-19-vaccinated individuals with IMIDs, most of whom were immunosuppressed, we demonstrated that anti-S Ab levels were associated with lower odds of positive saliva PCR test for SARS-CoV-2, with a similar trend for anti-RBD Ab. This highlights clear benefits for vaccination against SARS-CoV-2 in IMID.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,196
Score d'incertitude au seuil0,390

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,336
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rheumatology→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→