COVID-19 Vaccination in Patients With Malignancy; A Systematic Review and Meta-Analysis of the Efficacy and Safety
Notice bibliographique
Résumé
Background: Data on the efficacy and safety of COVID-19 vaccines in patients with malignancy are immature. In this paper, we assessed the literature involving the use of COVID-19 vaccines in cancer patients and reported the seroconversion rates as the main outcome and severity of COVID-19 infection and side effects following COVID-19 vaccination as the secondary outcomes. Methods: A systematic review with meta-analysis was performed. Searches were conducted in electronic websites, databases, and journals, including Scopus, PubMed, Embase, and Web of Science from January 01, 2019, to November 30, 2021. Studies reporting data on the safety and efficacy of COVID vaccine in cancer patients using any human samples were included. The risk of bias was assessed using the NEWCASTLE-OTTAWA scale in the included studies. Results: A total of 724 articles were identified from databases, out of which 201 articles were duplicates and were discarded. Subsequently, 454 articles were excluded through initial screening of the titles and abstracts. Moreover, 41 studies did not report the precise seroconversion rate either based on the type of cancer or after injection of a second dose of COVID vaccine. Finally, 28 articles met all the inclusion criteria and were included in this systematic review. The overall seroconversion rates after receiving a second dose of COVID-19 vaccine, based on type of cancer were 88% (95% CI, 81%-92%) and 70% (95% CI, 60%-79%) in patients with solid tumors and hematologic malignancies, respectively. Conclusion: Overall, we conclude that vaccination against COVID-19 in patients with active malignancies using activated and inactivated vaccines is a safe and tolerable procedure that is also accompanied by a high efficacy.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».