Aus dem Test abgeleitete Korrektur der Impfstoffwirksamkeit

BMC Medical Research Methodology Band 23, Artikelnummer: 137 (2023) Diesen Artikel zitieren

Details zu den Metriken

Die Bestimmung der Impfstoffwirksamkeit (VE) ist ein wichtiger Teil der Untersuchung jedes neuen Impfstoffs. Zur Bestimmung der VE wurden kürzlich testnegative Fallkontrollstudien (TNCC) verwendet. Der geschätzte VE, der aus einem TNCC-Design abgeleitet wird, hängt jedoch von der Testempfindlichkeit und -spezifität ab. Hierin wird eine Methode zur Korrektur des VE-Werts vorgestellt, der aus einer TNCC-Studie abgeleitet wurde.

Es wird eine Analysemethode vorgestellt, um die korrigierte VE basierend auf der Sensitivität und Spezifität des verwendeten diagnostischen Tests zu berechnen. Um die Anwendung der vorgeschlagenen Methode zu zeigen, wird eine hypothetische TNCC-Studie vorgestellt. In dieser In-silico-Studie wurden 100.000 Personen, die sich wegen einer COVID-19-ähnlichen Erkrankung an ein Gesundheitssystem wandten, mit diagnostischen Tests mit Sensitivitäten von 0,6, 0,8 und 1,0 und Spezifitäten im Bereich von 0,85 bis 1,00 getestet. Es wurde eine Durchimpfungsrate von 60 %, eine Ansteckungsrate für COVID-19 in der ungeimpften Gruppe von 0,05 und eine tatsächliche VE von 0,70 angenommen. In dieser Simulation könnte eine COVID-19-ähnliche Erkrankung mit einer Anfallsrate von 0,30 auch die gesamte untersuchte Bevölkerung unabhängig von ihrem Impfstatus betreffen.

Der beobachtete VE reichte von 0,11 (berechnet für eine Testsensitivität von 0,60 und Spezifität von 0,85) bis 0,71 (berechnet für eine Testsensitivität und Spezifität von 1,0). Der aus der vorgeschlagenen Methode abgeleitete mittlere berechnete korrigierte VE betrug 0,71 (die Standardabweichung von 0,02).

Der aus TNCC-Studien abgeleitete beobachtete VE kann leicht korrigiert werden. Eine akzeptable Schätzung für VE kann unabhängig von der in der Studie verwendeten diagnostischen Testsensitivität und -spezifität berechnet werden.

Peer-Review-Berichte

Impfstoffe haben erhebliche Auswirkungen auf die globale Gesundheit. Einige Impfstoffe bieten lebenslangen Schutz vor Infektionen; andere gewähren vorübergehenden Schutz. Viele zirkulierende Krankheitserreger verändern sich im Laufe der Zeit, was sich auf die Wirksamkeit der gegen sie hergestellten Impfstoffe auswirkt [1, 2], weshalb die Wirksamkeit der meisten Impfstoffe (z. B. Grippeimpfstoff) regelmäßig aktualisiert werden muss [3]. Die Bestimmung und regelmäßige Überwachung der Impfstoffwirksamkeit (VE) ist daher integraler Bestandteil der Untersuchung jedes Impfstoffs.

VE ist ein Maß dafür, wie gut ein Impfstoff Erkrankungen, Krankenhausaufenthalte oder Todesfälle bei geimpften Personen im Vergleich zu ungeimpften Personen verhindert [4]. Sie wird üblicherweise als prozentuale Verringerung des Krankheitsrisikos (der Inzidenz) bei geimpften gegenüber ungeimpften Personen ausgedrückt. Wenn beispielsweise die Inzidenz einer bestimmten Krankheit bei ungeimpften Personen 0,05 beträgt und die Impfung sie auf 0,015 senkt, dann verringert die Impfung das Risiko um 70 % (d. h. 0,70), daher beträgt die entsprechende VE 0,70. Mathematisch kann VE wie folgt berechnet werden [5, 6]:

Dabei sind ARunvac und ARvac die Angriffsraten der Infektion bei ungeimpften und geimpften Personen und RR das relative Risiko. Zur Bestimmung der VE werden üblicherweise Beobachtungsstudien herangezogen [7]. Eine Kohortenstudie ist das einzige Studiendesign, das die AR der interessierenden Krankheit in den geimpften und ungeimpften Gruppen genau liefern kann und ist daher die beste Art von Beobachtungsstudien zur Berechnung der VE. Angesichts der niedrigen AR für viele Infektionskrankheiten kann jedoch das aus einer Fall-Kontroll-Studie abgeleitete Odds Ratio (OR) als akzeptabler Schätzwert für die RR angesehen werden [8]. Daher kann auch eine Fall-Kontroll-Studie zur Bestimmung der VE herangezogen werden [7].

In den letzten Jahren wurden häufig testnegative Fallkontrollstudien (TNCC) zur Bestimmung der VE verwendet [3]. Technisch gesehen hat eine TNCC-Studie ein Fall-Kontroll-Design, außer dass die Art und Weise, wie die Fälle und Kontrollen rekrutiert werden, unterschiedlich ist. Um beispielsweise den VE eines neuen Impfstoffs zu bestimmen, der mithilfe eines TNCC-Designs gegen SARS-CoV-2 entwickelt wurde, werden Fälle und Kontrollen aus einer Kohorte von Patienten ausgewählt, die aufgrund einer COVID-19-ähnlichen Erkrankung ein Gesundheitszentrum aufsuchen; diejenigen, die positiv auf SARS-CoV-2 getestet wurden, gelten als „Fälle“; die übrigen mit negativem Test sind „Kontrollen“ (Tabelle 1) [5, 9]. Die VE ist dann [7]:

Um eine gültige VE zu haben, ist ein gültiger OR erforderlich, was wiederum die Gleichheit der ORs erfordert, die für diejenigen berechnet werden, die medizinische Hilfe suchen, und für diejenigen, die keine medizinische Hilfe suchen [10], das heißt (Tabelle 1):

Das TNCC-Design ist relativ kostengünstiger und schneller durchzuführen als Kohorten- und traditionelle Fall-Kontroll-Studien [9]. Dennoch hängt der geschätzte VE-Wert, der aus einem TNCC-Design abgeleitet wird, von der Testsensitivität (Se) ab, der Wahrscheinlichkeit, dass eine erkrankte Person testpositiv wird, und noch wichtiger von der Testspezifität (Sp), der Wahrscheinlichkeit, dass eine krankheitsfreie Person wird testnegativ [7, 11, 12]. Die Se- und Sp-Werte der meisten diagnostischen Tests betragen jedoch nicht 1,0 (dh 100 %); Es gibt fast immer falsch positive und falsch negative Ergebnisse, die zu Fehlklassifizierungsproblemen führen [11, 13]. Hierin soll eine Methode zur Berechnung des VE vorgestellt werden, die auf den Ergebnissen eines TNCC-Designs basiert, unabhängig von Se und Sp des in der Studie verwendeten Diagnosetests.

Angenommen, eine TNCC-Studie wurde durchgeführt, um die Wirksamkeit eines neuen Impfstoffs gegen SARS-CoV-2 zu bestimmen, und testete eine Gruppe von Patienten, die ein Gesundheitszentrum mit einer COVID-19-ähnlichen Erkrankung besuchten. Nehmen wir außerdem an, dass die Ergebnisse in ihrer parametrischen Form in Tabelle 1 dargestellt sind. Konzentrieren wir uns auf eine einzelne Zeile von Tabelle 1, zum Beispiel auf die Geimpften. Wenn man alle Besucher des Gesundheitszentrums als eine Kohorte von Menschen mit einer COVID-19-ähnlichen Erkrankung betrachtet, dann beträgt die scheinbare Prävalenz von COVID-19 bei den geimpften Patienten, die medizinische Hilfe suchten, [14]:

Beachten Sie, dass pr weder in der Gesamtbevölkerung noch bei Patienten, die medizinische Hilfe suchten, eine echte Schätzung der COVID-19-Prävalenz darstellt, da der für die Diagnose von COVID-19 verwendete diagnostische Test vermutlich nicht perfekt war; Es gab falsch-positive und falsch-negative Ergebnisse. Die wahre Prävalenz (π), also die Prävalenz, bei der ein perfekter diagnostischer Test mit einem Se- und Sp-Wert von 1,0 (d. h. 100 %) verwendet worden wäre, beträgt [14]:

wobei o die Quoten darstellt, die pr, a/b entsprechen. Die wahre Wahrscheinlichkeit (ω) von COVID-19 bei den geimpften Patienten, die medizinische Hilfe in Anspruch nahmen, beträgt dann:

Auf die gleiche Weise lässt sich die Wahrscheinlichkeit der ungeimpften Patienten, die medizinische Hilfe in Anspruch nahmen (c/d), ableiten. Aus Gl. 2, die beobachtete VE ist:

Unter Verwendung von Gl. 6, die korrigierte VE ist dann:

wobei die Indizes „vac“ und „unvac“ die Variable in den geimpften bzw. ungeimpften Patienten darstellen, die medizinische Hilfe wegen der COVID-19-ähnlichen Erkrankung in Anspruch nahmen. Die Varianz des korrigierten VE kann ebenfalls berechnet werden (siehe ergänzende Materialien).

Lassen Sie uns die Ergebnisse der Anwendung des oben genannten Szenarios in einer In-silico-Studie untersuchen. Angenommen, wir möchten eine TNCC-Studie an einer Stichprobe von 100.000 Personen durchführen, die wegen einer COVID-19-ähnlichen Krankheit medizinische Hilfe suchten. Angenommen, 60 % der Studienpopulation seien geimpft (Durchimpfungsrate) und der tatsächliche VE betrage 0,70. Angenommen, diagnostische Tests mit verschiedenen Kombinationen von Se- (0,6, 0,8 und 1,0) und Sp-Werten (im Bereich von 0,85 bis 1,00) wurden für die Diagnose von SARS-CoV-2 verwendet. Nehmen wir außerdem an, dass die Test-Se und -Sp in geimpften und ungeimpften Gruppen nicht unterschiedlich waren und dass eine COVID-19-ähnliche Erkrankung die in der Studiengemeinschaft lebenden Menschen betrifft, unabhängig davon, ob sie bereits mit SARS-CoV-2 infiziert waren oder nicht; dass SARS-CoV-2 bei ungeimpften Personen eine AR von 5 % aufweist [15]; und dass die AR der COVID-19-ähnlichen Erkrankung 30 % beträgt (im Einklang mit der AR einer nicht grippeähnlichen Erkrankung, die während einer kalten Jahreszeit beobachtet wird) [16]. Um die Sache zu vereinfachen, gehen wir außerdem davon aus, dass die AR der COVID-19-ähnlichen Erkrankung nicht vom Impfstatus der untersuchten Personen, der Dauer seit der Impfung, dem Alter und anderen Variablen abhängt. Der Schweregrad der COVID-19-Ergebnisse (z. B. Notwendigkeit eines Krankenhausaufenthalts oder einer Aufnahme auf die Intensivstation) wurde in der aktuellen In-silico-Studie nicht berücksichtigt, da er offensichtlich keinen signifikanten Einfluss auf das Gesundheitssuchverhalten der Menschen hat, so dass Gl. 3 gilt, unabhängig vom Schweregrad der Erkrankung [17]. Für die Simulation wurde ein in R (R-Softwareversion 4.1.0, R-Projekt für statistisches Rechnen) entwickelter Code verwendet (siehe ergänzende Materialien).

Abbildung 1 zeigt die scheinbaren und korrigierten VE-Werte für verschiedene Kombinationen von Test-Se- und Sp-Werten, die in der In-silico-TNCC-Studie verwendet wurden. Der beobachtete VE reichte von 0,11 (berechnet für einen Test-Se von 0,60 und Sp von 0,85) bis 0,71 (berechnet für einen Test-Se und Sp von 1,0, ein perfekter Test). Der aus der vorgeschlagenen Methode (Gleichung 8) abgeleitete mittlere berechnete korrigierte VE betrug 0,71 (die Standardabweichung von 0,02); Der korrigierte Wert lag zwischen 0,67 und 0,76. Die beobachtete Variation wurde wahrscheinlich auf den Stichprobenfehler in der Simulation zurückgeführt.

Die scheinbare (gestrichelte Linien) und korrigierte (durchgezogene Linien) Impfstoffwirksamkeit wurde aus In-silico-Test-negativen Fallkontrollstudien unter Verwendung diagnostischer Tests mit unterschiedlichen Empfindlichkeiten und Spezifitäten abgeleitet. In jeder Studie wurden 100.000 Personen untersucht, wobei von einer Ansteckungsrate von 5 % für eine SARS-CoV-2-Infektion bei ungeimpften Personen, einer Ansteckungsrate von 30 % für die COVID-19-ähnliche Erkrankung und einer Durchimpfungsrate von 60 % ausgegangen wurde. Die horizontale strichpunktierte graue Linie stellt die tatsächliche Wirksamkeit des Impfstoffs von 0,70 dar

Der grobe Unterschied zwischen der scheinbaren und der korrigierten VE war auf eine Fehlklassifizierung der Patienten zurückzuführen [13]. Die Falsch-Positiv-Rate könnte durch eine Erhöhung der Test-Sp verringert werden, indem der Grenzwert für Tests mit kontinuierlichen Ergebnissen geändert wird [11]. Wäre stattdessen ein perfekter Test (Se und Sp von 1,0) verwendet worden, traten überhaupt keine falschen Ergebnisse auf und der scheinbare VE entsprach dem wahren VE (Abb. 1). Die berechneten korrigierten Werte unterschieden sich nur geringfügig vom tatsächlichen VE von 0,70. Wie bereits früher gezeigt wurde [7], ist der Test Sp viel wichtiger als der Test Se; Wenn ein Test mit einem sehr hohen Sp verwendet wird, ist der beobachtete VE unabhängig von der Test-Se eine gute Schätzung des korrekten Werts, wohingegen er für einen Test mit sogar einer Se von 1,0 nicht korrekt ist (Abb. 1).

Tabelle 2A zeigt ein Beispiel der in der Simulation generierten Daten. Unter Verwendung von Gl. In 2 beträgt die scheinbare VE 0,18. Einsetzen der Werte in Gl. 8 ergibt einen korrigierten VE von 0,69. Der grobe Unterschied zwischen dem scheinbaren und dem korrigierten VE ist auf die Anwesenheit einer großen Anzahl von Personen mit falsch positiven Ergebnissen zurückzuführen (für die Verwendung eines Tests mit niedrigerem Sp); 5683 in den geimpften und 3206 in den ungeimpften Gruppen (Tabelle 2A). Die Falsch-Positiv-Rate könnte durch eine Erhöhung der Test-Sp verringert werden, indem der Grenzwert für Tests mit kontinuierlichen Ergebnissen geändert wird [11]. Hätte man stattdessen einen perfekten Test verwendet, traten überhaupt keine falschen Ergebnisse auf und der scheinbare VE entsprach dem wahren VE (Tabelle 2B). Unter Verwendung von Gl. 8 kann der korrigierte VE, der Wert, wenn ein perfekter Test verwendet worden wäre, berechnet werden.

Der korrigierte Wert von 0,71 in diesem Fall sowie der aus der Simulation abgeleitete mittlere korrigierte VE von 0,71 sind etwas höher als der wahre VE von 0,70. Dies liegt an der Verwendung von OR, abgeleitet vom TNCC-Design, bei dem es sich lediglich um eine Schätzung von RR handelt (Gleichung 2). Dies gilt in der Tat für alle Fall-Kontroll-Studien [8]. Solange jedoch die AR der interessierenden Krankheit gering ist, ist OR ein akzeptabler Schätzwert für die RR.

Die Durchimpfungsrate in der Bevölkerung betrug 0,60 (Tabelle 2). Die Krankheits-AR betrug 3 % in der gesamten Studienpopulation (Tabelle 2B). Diese Schätzung war korrekt, da die AR in der ungeimpften und geimpften Gruppe unterschiedlich ist. Angesichts der Durchimpfungsrate, der tatsächlichen VE und der AR in ungeimpften und geimpften Gruppen beträgt die AR in der Gesamtbevölkerung:

Dabei ist n die Bevölkerungsgröße und Coverage die Durchimpfungsrate. Das Einsetzen der Werte (ARunvac von 0,05, Coverage von 0,60 und VE von 0,70) ergibt einen beobachteten AR von 3 %.

Diese Studie hatte einige Einschränkungen. Unter der Annahme, dass die Tests Se und Sp in geimpften und ungeimpften Gruppen nicht unterschiedlich waren, dass eine COVID-19-ähnliche Erkrankung die in der Studiengemeinschaft lebenden Menschen betrifft, unabhängig davon, ob sie bereits mit SARS-CoV-2 infiziert waren oder nicht, ist dies bei der Impfung der Fall keinen Einfluss auf die Schwere der Erkrankung bei COVID-19-Durchbruchsinfektionen haben [18] und dass die AR der COVID-19-ähnlichen Erkrankung möglicherweise nicht vom Impfstatus der untersuchten Personen, der Dauer seit der Impfung, dem Alter und anderen Variablen abhängt übermäßige Vereinfachung der Situation. Um die möglichen Auswirkungen dieser Faktoren abzuschätzen, sollten komplexere Simulationen entwickelt werden.

Obwohl das TNCC-Design im Vergleich zum herkömmlichen Fall-Kontroll-Design die Auswirkungen vieler Störvariablen und Selektionsverzerrungen, die auf eine unterschiedliche Erinnerung an die Exposition zurückzuführen sind, verringern kann, kann es die Auswirkungen aller Störfaktoren nicht vollständig beseitigen [9, 19]. TNCC hat gegenüber Kohorten- und traditionellen Fallkontrollstudien den Vorteil, dass es weniger Ressourcen erfordert und innerhalb kurzer Zeit durchgeführt werden kann [7]. TNCC und traditionelle Fall-Kontroll-Studien haben grundsätzlich das gleiche Design und weisen daher erwartungsgemäß ähnliche Verzerrungen auf – zum Beispiel liefern beide Designs OR als Schätzung für RR, eine Annahme, die nur bei niedrigen AR-Werten zutrifft [8].

Es wurde gezeigt, dass der korrekte VE-Wert unabhängig von Se und Sp des diagnostischen Tests berechnet werden kann, der in einer TNCC-Studie verwendet werden soll. Der berechnete Wert und seine Präzision hängen von der Wahrscheinlichkeit eines positiven Tests bei geimpften und ungeimpften Patienten, die medizinische Hilfe in Anspruch nahmen, und den Tests Se und Sp (Gleichung 8) sowie deren Varianz ab (siehe ergänzende Materialien). Obwohl Se und Sp des verwendeten Tests möglicherweise nicht wichtig sind, sind ihre Genauigkeiten von Bedeutung. Se und Sp des in TNCC-Studien zu verwendenden Tests lassen sich besser in großen Validitätsstudien schätzen. Bisher mussten Forscher in TNCC-Entwürfen hochspezifische (und meist empfindliche) Tests verwenden, um eine akzeptable Schätzung für die VE zu erhalten. Bei Verwendung der vorgeschlagenen Methode reicht es gerade aus, Tests mit bekannten Se- und Sp-Werten zu verwenden, egal wie hoch diese sind. TNCC wird nicht nur zur Bestimmung von VE verwendet, sondern hat auch andere Anwendungen, einschließlich der Risikobewertung in anderen Situationen wie Antibiotikaresistenz [20] und Venenthrombose [21], um nur einige zu nennen. Die vorgeschlagene Korrekturmethode kann auch auf die Ergebnisse dieser Studien angewendet werden.

Alle während dieser Studie generierten oder analysierten Daten sowie die R-Codes sind in diesem veröffentlichten Artikel und seinen ergänzenden Informationsdateien enthalten.

Angriffsgeschwindigkeit

Relatives Risiko

Wahrscheinlichkeit

Wirksamkeit des Impfstoffs

Testnegative Fallkontrolle

Schweres akutes respiratorisches Syndrom Coronavirus 2

Coronavirus Krankheit 2019

Empfindlichkeit

Spezifität

Häufigkeit

Wahre Prävalenz

Eguia RT, Crawford KHD, Stevens-Ayers T, Kelnhofer-Millevolte L, Greninger AL, Englund JA, Boeckh MJ, Bloom JD. Ein menschliches Coronavirus entwickelt sich antigenisch, um der Antikörperimmunität zu entgehen. PLoS Pathog. 2021;17(4): e1009453.

Artikel CAS PubMed PubMed Central Google Scholar

Volz E, Hill V, McCrone JT, Price A, Jorgensen D, O'Toole A, Southgate J, Johnson R, Jackson B, Nascimento FF, et al. Bewertung der Auswirkungen der SARS-CoV-2-Spike-Mutation D614G auf Übertragbarkeit und Pathogenität. Zelle. 2021;184(1):64-75 e11.

Artikel CAS PubMed PubMed Central Google Scholar

Chua H, Feng S, Lewnard JA, Sullivan SG, Blyth CC, Lipsitch M, Cowling BJ. Der Einsatz von Test-Negativkontrollen zur Überwachung der Impfstoffwirksamkeit: eine systematische Überprüfung der Methodik. Epidemiologie. 2020;31(1):43–64.

Artikel PubMed PubMed Central Google Scholar

Wirksamkeit, Wirksamkeit und Schutz des Impfstoffs [https://www.who.int/news-room/feature-stories/detail/vaccine-efficacy-efficientness-and-protection].

De Serres G, Skowronski DM, Wu XW, Ambrose CS. Das testnegative Design: Validität, Genauigkeit und Präzision der Schätzungen der Impfstoffwirksamkeit im Vergleich zum Goldstandard randomisierter, placebokontrollierter klinischer Studien. Euro-Überwachung. 2013;18(37):20585.

Artikel PubMed Google Scholar

Jackson ML, Rothman KJ. Auswirkungen einer unvollständigen Testsensitivität und -spezifität auf Beobachtungsstudien zur Wirksamkeit von Grippeimpfstoffen. Impfstoff. 2015;33(11):1313–6.

Artikel PubMed PubMed Central Google Scholar

Habibzadeh F, Habibzadeh P, Yadollahie M. Zur Messung der Impfstoffwirksamkeit mit Beobachtungsstudiendesigns. Acta Med Acad. 2022;51(2):134–46.

Artikel PubMed PubMed Central Google Scholar

Schulz KF, Grimes DA. Fall-Kontroll-Studien: Forschung im umgekehrten Sinne. Lanzette. 2002;359(9304):431–4.

Artikel PubMed Google Scholar

Sullivan SG, Tchetgen Tchetgen EJ, Cowling BJ. Theoretische Grundlage des Test-Negativ-Studiendesigns zur Beurteilung der Wirksamkeit von Grippeimpfstoffen. Bin J Epidemiol. 2016;184(5):345–53.

Artikel PubMed PubMed Central Google Scholar

Jackson ML, Nelson JC. Das Test-Negativ-Design zur Abschätzung der Wirksamkeit des Grippeimpfstoffs. Impfstoff. 2013;31(17):2165–8.

Artikel PubMed Google Scholar

Habibzadeh F, Habibzadeh P, Yadollahie M. Zur Bestimmung des am besten geeigneten Test-Grenzwerts: der Fall von Tests mit kontinuierlichen Ergebnissen. Biochem Med (Zagreb). 2016;26(3):297–307.

Artikel PubMed Google Scholar

Altman DG, Bland JM. Diagnosetest. 1: Sensitivität und Spezifität. BMJ. 1994;308(6943):1552.

Artikel CAS PubMed PubMed Central Google Scholar

Shi M, An Q, Ainslie KEC, Haber M, Orenstein WA. Ein Vergleich des Test-Negativ- und des traditionellen Fall-Kontroll-Studiendesigns zur Abschätzung der Wirksamkeit des Grippeimpfstoffs bei nicht zufälliger Impfung. BMC Infect Dis. 2017;17(1):757.

Artikel PubMed PubMed Central Google Scholar

Habibzadeh F, Habibzadeh P, Yadollahie M. Die scheinbare Prävalenz, die wahre Prävalenz. Biochem Med (Zagreb). 2022;32(2): 020101.

Artikel PubMed Google Scholar

Orenstein EW, De Serres G, Haber MJ, Shay DK, Bridges CB, Gargiullo P, Orenstein WA. Methodische Probleme bei der Verwendung von drei Beobachtungsstudiendesigns zur Bewertung der Wirksamkeit von Grippeimpfstoffen. Int J Epidemiol. 2007;36(3):623–31.

Artikel PubMed Google Scholar

Hoberman A, Greenberg DP, Paradise JL, Rockette HE, Lave JR, Kearney DH, Colborn DK, Kurs-Lasky M, Haralam MA, Byers CJ, et al. Wirksamkeit des inaktivierten Grippeimpfstoffs bei der Vorbeugung einer akuten Mittelohrentzündung bei kleinen Kindern: eine randomisierte kontrollierte Studie. JAMA. 2003;290(12):1608–16.

Artikel CAS PubMed Google Scholar

[PubMed] Lewnard JA, Patel MM, Jewell NP, Verani JR, Kobayashi M, Tenforde MW, Dean NE, Cowling BJ, Lopman BA. Theoretischer Rahmen für retrospektive Studien zur Wirksamkeit von SARS-CoV-2-Impfstoffen. Epidemiologie. 2021;32(4):508–17.

Artikel PubMed PubMed Central Google Scholar

Gupta RK, Topol EJ. Durchbruch bei COVID-19-Impfstoffinfektionen. Wissenschaft. 2021;374(6575):1561–2.

Artikel CAS PubMed Google Scholar

Vandenbroucke JP, Pearce N. Testnegative Designs: Unterschiede und Gemeinsamkeiten mit anderen Fall-Kontroll-Studien mit „Anderen Patienten“-Kontrollen. Epidemiologie. 2019;30(6):838–44.

Artikel PubMed Google Scholar

Lipsitch M. Messung und Interpretation der Zusammenhänge zwischen Antibiotikaeinsatz und Penicillinresistenz bei Streptococcus pneumoniae. Clin Infect Dis. 2001;32(7):1044–54.

Artikel CAS PubMed Google Scholar

Bloemenkamp KW, Rosendaal FR, Buller HR, Helmerhorst FM, Colly LP, Vandenbroucke JP. Das Risiko einer Venenthrombose bei der Anwendung aktueller niedrig dosierter oraler Kontrazeptiva lässt sich nicht durch diagnostischen Verdacht und Überweisungsbias erklären. Arch Intern Med. 1999;159(1):65–70.

Artikel CAS PubMed Google Scholar

Referenzen herunterladen

Unzutreffend.

Keine finanzielle Unterstützung.

Globales Virusnetzwerk, Region Naher Osten, Shiraz, Iran

Farrokh Habibzadeh

Sie können diesen Autor auch in PubMed Google Scholar suchen

FH hat alle relevanten Dinge erledigt, von der Konzeption der Idee über das Design, die Datenanalyse, den Entwurf und die wesentliche Bearbeitung des Manuskripts bis hin zur Entwicklung der Computercodes.

Korrespondenz mit Farrokh Habibzadeh.

Bei dieser Studie handelte es sich um eine methodische Studie, die eine neue mathematische Technik zur Korrektur eines Index vorschlug. Es waren weder Menschen noch Tiere beteiligt. Der in der Studie verwendete Datensatz wurde in silico erstellt und daher waren eine ethische Genehmigung und die Einholung einer Einwilligung nicht anwendbar.

Unzutreffend.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Zusatzdatei 1.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/. Der Creative Commons Public Domain Dedication-Verzicht (http://creativecommons.org/publicdomain/zero/1.0/) gilt für die in diesem Artikel zur Verfügung gestellten Daten, sofern in einer Quellenangabe für die Daten nichts anderes angegeben ist.

Nachdrucke und Genehmigungen

Habibzadeh, F. Korrektur der Impfstoffwirksamkeit, abgeleitet aus Test-negativen Fall-Kontroll-Studien. BMC Med Res Methodol 23, 137 (2023). https://doi.org/10.1186/s12874-023-01962-0

Zitat herunterladen

Eingegangen: 25. Januar 2023

Angenommen: 03. Juni 2023

Veröffentlicht: 10. Juni 2023

DOI: https://doi.org/10.1186/s12874-023-01962-0

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt