Use of COVID-19 vaccines in patients with liver disease and post-liver transplantation
Notice bibliographique
Résumé
Patients with chronic liver disease (CLD) and liver transplant recipients are at increased risk of morbidity and mortality from coronavirus disease 2019 (COVID-19). Although several studies demonstrated the safety and efficacy of COVID-19 vaccines in the general population, data in CLD patients and liver transplant recipients are lacking. Two COVID-19 vaccines were approved by the Saudi Food and Drug Authority and rolled out to several million recipients in Saudi Arabia. These vaccines are mRNA-based vaccine BNT162b2 from Pfizer/BioNTech and adenovirus-based AZD1222 from Oxford/AstraZeneca from three manufacturing sites (EU Nodes, Serum Institute of India, and South Korea Bio). The Saudi Association for the Study of Liver diseases and Transplantation (SASLT) has reviewed the available evidence and issued interim recommendations for COVID-19 vaccination in CLD and liver transplant recipients. Since there is no evidence contradicting the safety and immunogenicity of the currently approved COVID-19 vaccines in patients with CLD and hepatobiliary cancer and liver transplant recipients, the SASLT recommends vaccination in those patient populations. CLD and hepatobiliary cancer patients and liver transplant recipients should be prioritized depending on the risk factors for severe COVID-19. In transplant recipients, the optimal timing of vaccination remains unknown; however, immunization is recommended after the initial immunosuppression phase. Patients with CLD and liver transplant candidates or recipients should be closely monitored after COVID-19 vaccination. These patient populations should be included in future clinical trials to provide further evidence on the efficacy and safety of COVID-19 vaccines.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».