Menstrual Cycle Parameters Are Not Significantly Different After COVID-19 Vaccination
Notice bibliographique
Résumé
Background: Some studies have suggested minor changes in the menstrual cycle after COVID-19 vaccination, but more detailed analyses of the menstrual cycle are needed to evaluate more specific changes in the menstrual cycle that are not affected by survey-based recall bias. Materials and Methods: Using a pretest–post-test quasi-experimental evaluation of menstrual cycle parameters before and after COVID-19 vaccination, we conducted an anonymous online survey of two groups of North American women who prospectively monitor their menstrual cycle parameters daily including bleeding patterns, urinary hormone levels using the ClearBlue Fertility Monitor, or cervical mucus observations. The primary outcome measures were cycle length, length of menses, menstrual volume, estimated day of ovulation (EDO), luteal phase length, and signs of ovulation. Perceived (subjective) menstrual cycle changes and stressors were also evaluated in this study as secondary outcome measures. Results: Of the 279 women who initiated the survey, 76 met the inclusion criteria and provided 588 cycles for analysis (227 pre-vaccine cycles, 145 vaccine cycles, 216 post-vaccine cycles). Although 22% of women subjectively identified changes in their menstrual cycle, there were no significant differences in menstrual cycle parameters (cycle length, length of menses, EOD, and luteal phase length) between the pre-vaccine, vaccine, and post-vaccine cycles. Conclusions: COVID-19 vaccines were not associated with significant changes in menstrual cycle parameters. Perceived changes by an individual woman must be compared with statistical changes to avoid confirmation bias.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».