Y.W. Lennard

Vaccine effectiveness against COVID-19 breakthrough infections in patients with cancer (UKCCEP): a population-based test-negative case-control study

The Lancet, June 2022; doi.org/10.1016/S1470-2045(22)00202-9

Abstract

Background People with cancer are at increased risk of hospitalisation and death following infection with SARS-CoV-2. Therefore, we aimed to conduct one of the first evaluations of vaccine effectiveness against breakthrough SARS-CoV-2 infections in patients with cancer at a population level.

Methods In this population-based test-negative case-control study of the UK Coronavirus Cancer Evaluation Project (UKCCEP), we extracted data from the UKCCEP registry on all SARS-CoV-2 PCR test results (from the Second Generation Surveillance System), vaccination records (from the National Immunisation Management Service), patient demographics, and cancer records from England, UK, from Dec 8, 2020, to Oct 15, 2021. Adults (aged ≥18 years) with cancer in the UKCCEP registry were identified via Public Health England's Rapid Cancer Registration Dataset between Jan 1, 2018, and April 30, 2021, and comprised the cancer cohort. We constructed a control population cohort from adults with PCR tests in the UKCCEP registry who were not contained within the Rapid Cancer Registration Dataset. The coprimary endpoints were overall vaccine effectiveness against breakthrough infections after the second dose (positive PCR COVID-19 test) and vaccine effectiveness against breakthrough infections at 3–6 months after the second dose in the cancer cohort and control population.

FindingsThe cancer cohort comprised 377 194 individuals, of whom 42 882 had breakthrough SARS-CoV-2 infections. The control population consisted of 28 010 955 individuals, of whom 5 748 708 had SARS-CoV-2 breakthrough infections. Overall vaccine effectiveness was 69·8% (95% CI 69·8–69·9) in the control population and 65·5% (65·1–65·9) in the cancer cohort. Vaccine effectiveness at 3–6 months was lower in the cancer cohort (47·0%, 46·3–47·6) than in the control population (61·4%, 61·4–61·5).

InterpretationCOVID-19 vaccination is effective for individuals with cancer, conferring varying levels of protection against breakthrough infections. However, vaccine effectiveness is lower in patients with cancer than in the general population. COVID-19 vaccination for patients with cancer should be used in conjunction with non-pharmacological strategies and community-based antiviral treatment programmes to reduce the risk that COVID-19 poses to patients with cancer.

Bonnet B, et al.

Severe COVID-19 is characterized by the co-occurrence of moderate cytokine inflammation and severe monocyte dysregulation

EBioMedicine, https://www.thelancet.com/journals/ebiom/article/PIIS2352-3964(21)00415-1/fulltext

CONTENUTO : Studio monocentrico osservazionale condotto su 134 pazienti esplorante lo stato di disfunzione immunologica nei pazienti affetti da COVID-19. In questo lavoro, la malattia severa è risultata significativamente associata, più che al quadro di « tempesta citochinica » ad un’alterata funzione dei monociti, possibilmente in parte correlata con meccanismi di cell exhaustion.

COMMENTO : Il cosiddetto « cytokine storm » comporta un severo quadro iperinfiammatorio che può essere letale e che si accompagna soprattutto ad alcune patologie come le sepsi da infezioni batteriche, l’infusione da CAR-T o trapianto di midollo. E’ noto che può presentarsi anche in pazienti con COVID severa, ma con livelli immunopatologici e clinici significativamente ridotti rispetto alle forme prima menzionate. Gli autori confermano questo scenario. Un aspetto interessante è la definizione di alcuni biomarcatori predittivi di COVID severa: cioè la presenza di alti livelli sierici di IL-6 (citochina proinfiammatoria) e riduzione dell’espressione di HLA-DR (marcatore di attivazione) sui monociti.  Disporre di biomarcatori predittivi è quanto mai importante nella medicina moderna per allestire preventivamente appropriate terapie anche innovative. Questi biomarcatori andrebbero valutati su un numero siginificativamente più elevato di pazienti.

Singhal L et al

eARDS: A multi-center validation of an interpretable machine learning algorithm of early onset Acute Respiratory Distress Syndrome (ARDS) among critically ill adults with COVID-19

PloS One, https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0257056

CONTENUTO E COMMENTO : Presentazione di un algoritmo di machine learning  e intelligenza artificiale volto a predire lo sviluppo di sidrome da distress respiratorio acuto (ARDS) con circa 12 ore di anticipo rispetto alla comparsa dei classici criteri di definizione (per approfondire : Criteri di Berlino, https://bestpractice.bmj.com/topics/en-gb/374/criteria ). L’algoritmo è stato elaborato a partire dai dati di oltre 35000 persone con COVID-19, dà risultati apparentemente più accurati nei giovani (18-40 anni) e le caratteristiche associate a un maggior rischio di sviluppare ARDS sono la saturazione di ossigeno e l’entità delle alterazioni di parametri come la pressione arteriosa sistolica, il flusso di ossigeno somministrato e la frequenza degli atti del respiro.

master logo