Safety of COVID-19 vaccines in pregnancy: a Canadian National Vaccine Safety (CANVAS) Network study
Notice bibliographique
Résumé
Abstract Background Pregnant individuals have been receiving COVID-19 vaccines following pre-authorization clinical trials in non-pregnant people. This study aimed to determine significant health events amongst pregnant females after COVID-19 vaccination, compared with unvaccinated pregnant controls and vaccinated non-pregnant individuals. Methods Study participants were pregnant and non-pregnant females aged 15-49 years who had received any COVID-19 vaccine, and pregnant unvaccinated controls. Participants reported significant health events occurring within seven days of vaccination. We employed multivariable logistic regression to examine significant health events associated with mRNA vaccines. Findings Overall 226/5,597(4.0%) vaccinated pregnant females reported a significant health event after dose one of an mRNA vaccine, and 227/3,108(7.3%) after dose two, compared with 11/339(3.2%) pregnant unvaccinated females. Pregnant vaccinated females had an increased odds of a significant health event after dose two of mRNA-1273 (aOR 4.4,95%CI 2.4-8.3) compared to pregnant unvaccinated controls, but not after dose one of mRNA-1273 or any dose of BNT162b2. Pregnant females had decreased odds of a significant health event compared to non-pregnant females after both dose one (aOR 0.63,95%CI 0.55-0.72) and dose two (aOR 0.62,95%CI 0.54-0.71) of mRNA vaccination. There were no significant differences in any analyses when restricted to events which led to medical attention. Interpretation COVID-19 mRNA vaccines have a good safety profile in pregnancy. Rates of significant health events were higher after dose two of mRNA-1273 compared with unvaccinated controls, with no difference when considering events leading to medical consultation. Rates of significant health events were lower in pregnant females than similarly aged non-pregnant individuals. Funding This work was supported by the COVID-19 Vaccine Readiness funding from the Canadian Institutes of Health Research and the Public Health Agency of Canada CANVAS grant number CVV-450980 and by funding from the Public Health Agency of Canada, through the Vaccine Surveillance Reference Group and the COVID-19 Immunity Task Force.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».