Effectiveness of COVID-19 Vaccination and Prior Infections to Reduce Long COVID Risk During the Pre-Omicron and Omicron Periods
Notice bibliographique
Résumé
BACKGROUND: We estimated vaccine effectiveness (VE) against COVID-19 and long COVID during pre-Omicron and Omicron periods, by number of doses and prior infection history. METHODS: We combined survey information from a cohort of healthcare workers in Quebec, Canada, with immunization registry and laboratory administrative data. We defined COVID-19 cases as symptomatic laboratory-confirmed infections and long COVID as self-reported symptoms persisting ≥12 weeks. We assessed VE against COVID-19 and long COVID, stratified by infection history, using a test-negative design where vaccinated participants were compared to unvaccinated participants during the pre-Omicron period or to those twice vaccinated ≥6 months before laboratory testing during the Omicron period. RESULTS: Analyses included 8230 COVID-19 participants and 43 361 tested specimens. During the pre-Omicron period, 1- and 2-dose VE was 75% (95% CI: 64-83) and 95% (95% CI: 84-98) against COVID-19, respectively, and 91% (95% CI: 79-96) and 87% (95% CI: 22-98) against long COVID, respectively. During the Omicron period, booster dose VE was 41% (95% CI: 34-47) against COVID-19 and 57% (95% CI: 46-66) against long COVID, waning by 6 months. Hybrid VE in vaccinated and previously infected individuals ranged from 81% (95% CI: 38-94) to 92% (95% CI: 87-95) regardless of number of doses, prior infecting variant or median time since last immunological event up to 9 months. CONCLUSIONS: COVID-19 vaccination prevented long COVID during the pre-Omicron period and reduced the risk by more than half post-Omicron. With most of the population by now both vaccinated and infected, repeated booster doses may add little incremental value against long COVID, an observation with important public health, immunization program, and cost implications.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».