Efetividade das vacinas da COVID-19 e disseminação do vírus: revisão sistemática
Bibliographic record
Abstract
Introdução. O SARS-CoV-2 disseminou-se de forma rápida, sendo caracterizada pela OMS como pandemia em março de 2020, podendo ser transmitido por meio de gotículas ou objetos previamente contaminados e, portanto, a vacinação objetivou diminuir a infecção e contágio pelo vírus da COVID-19. Objetivo. Verificar a associação entre a vacina do SARS-CoV-2 e a diminuição da disseminação viral em adultos com COVID-19. Método. As buscas por artigos científicos ocorreram nas bases de dados eletrônicos MEDLINE (Pubmed), LILACS, SciELO, SCOPUS, WEB OF SCIENCE, sem restrições de localização e de idioma, no período de 2020 a 2022. Os critérios de seleção incluíram estudos sobre a disseminação viral da COVID-19 e a vacinação contra o SARS-CoV-2. Resultados. Foram incluídos 7 estudos, dos quais 4 apontam para associação positiva entre a vacinação e a diminuição da transmissão do vírus e 3 indicam que o ciclo vacinal diminui as chances de infecção grave, podendo ser leve ou assintomática quando transmitida. Houve também um estudo inconclusivo, visto que não foi realizado o rastreamento dos indivíduos. Conclusão. Nos estudos avaliados observa-se uma maior eficácia na redução da transmissão em pacientes com o ciclo vacinal completo e, embora a eficiência decline após 3 meses, doses de reforço têm sido utilizadas para que seja mantida a proteção contra o vírus. Além disso, destaca-se que o ciclo vacinal completo não impede o indivíduo de ser infectado com o SARS-CoV-2, contudo ocasionais casos de infecção apresentam-se de forma leve ou até mesmo assintomática.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.010 | 0.010 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".