The PREVENT-COVID in Seniors Study: PRospEctiVe EvaluatioN of immuniTy after COVID-19 vaccines in Seniors [PREVENT-COVID-19, study data contributed to the CITF Databank]
Notice bibliographique
Résumé
Background: There is evidence that suggests that vaccines are effective against infection, but it is unclear how age and certain antibodies from previous infections influence their level of effectiveness. Aims of the CITF-funded study: This study aimed to compare short-term and long-term immune responses to COVID-19 vaccines among older adults and seniors. Specifically, they aimed to compare the antibody levels, quantity, and function after vaccination by vaccine type and age. Methods: This cohort study enrolled participants in British Columbia who were receiving their first or second dose of the BNT162b2 (Pfizer), mRNA-1273 (Moderna), or ChAdOx1-S COVID-19 vaccine and over the age of 19, pivoting to oversampling older adults (50+) to address high-priority knowledge gaps. Participants answered an online questionnaire at baseline and provided a blood sample via DBS or venipuncture at baseline and at each follow up (7 times at regular intervals). Contributed dataset contents: The datasets include 772 participants who completed baseline surveys between February 2021 and May 2022. 96% of these participants gave one or more blood samples between February 2021 and June 2023. A total of 3564 samples were collected. Variables include data in the following areas of information: demographics (date of birth, sex, gender, ethnicity), general health (weight and height, flu vaccine, medical conditions), SARS-CoV-2 vaccination, and serology (antibodies against SARS-CoV-2 RBD, nucleocapsid, and spike proteins).
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».