估计和假设测试的菌株特异性疫苗有效性与缺失的菌株类型与应用到一个COVID-19疫苗试验

科学领域:

• 流行病学 流行病学
• 生物统计学 生物统计学
• 病毒学 病毒学

背景情况:

• 以前的COVID-19疫苗疗效 (VE) 分析往往忽略了缺少的病毒遗传数据,可能导致偏见和效率降低.
• 对不同和不断演变的SARS-CoV-2菌株进行VE评估对公共卫生至关重要.
• 了解特定菌株的VE信息为疫苗开发和部署策略提供了信息.

研究的目的:

• 开发和验证用于估计针对SARS-CoV-2感染的菌株特定VE的新统计方法.
• 为应对 VE 试验中缺少病毒基因型数据所带来的挑战.
• 测试关于最低VE水平和不同SARS-CoV-2基因型的VE变异的假设.

主要方法:

• 在竞争性风险框架内使用增强的反向概率权重来估计特定菌株的VE.
• 根据时间变化的共变量进行调整,并针对不同风险组使用单独的基线危险.
• 开发了假设测试来评估VE与特定的基因型相比,并检测 VE在基因型之间的变异.

主要成果:

• 与现有方法相比,开发的方法在理论分析和模拟中表现出优异的性能.
• 对Moderna COVE试验的应用揭示了SARS-CoV-2基因型的差异 VE,包括血统和 Spike 残留变异.
• 一个值得注意的发现是,VE对与疫苗菌株遗传上相距较远的基因型的减少.

结论:

• 新的统计方法为评估特定菌株的COVID-19 VE提供了一个强大的方法,有效地处理缺失的基因型数据.
• 这些发现强调了在评估疫苗有效性时考虑病毒遗传距离的重要性.
• 结果强调了持续监测和潜在更新COVID-19疫苗菌株的必要性,以保持最佳的保护.