Cellular Immunity and Seroprevalence of Antibodies against SARS-CoV-2: Characterisation of Three Populations of Food Workers [CISACOV, study data contributed to the CITF Databank]
Notice bibliographique
Résumé
<b>Background: </b>Food industry employees were deemed essential workers as they provided crucial services during the pandemic. They were perceived at greater risk of infection than those working remotely. <br> <b>Aims of the CITF-funded study: </b>The CISACOV study aimed to measure the COVID-19 infection rates of Quebec food industry workers and hardware workers, and to identify risk factors for this infection during the first years of the pandemic. Additionally, the study aimed to evaluate the immune response to SARS-CoV-2 infection and/or vaccine from blood samples collected during the study.<br> <b>Methods: </b>This cohort enrolled participants from multiple service sectors (grocery stores, restaurants/ bars and hardware store workers) in the greater Quebec City area and Chaudière-Appalaches region. Serological testing at enrolment was used to identify previous infection, and follow-up samples were collected every 12 weeks for up to 5 visits, tracking both infection and vaccination. <br> <b>Summary of the contributed data: </b>The datasets provides characteristics on 304 participants, covering demographics (age, sex, workplace region, weekly working hours), general health (BMI, smoke, other diseases, flu vaccine), exposure risk factors (household, travel history, gathering), longitudinal follow-up for COVID infections (COVID test, symptoms), SARS-CoV-2 vaccination and serology. In addition, a total of 1,299 serology samples, one to five per participant, were collected between April 2021 and October 2022. <br>
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».