COVID-19 Vaccine-Related Arthritis: A Descriptive Study of Case Reports on a Rare Complication
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Large-scale coronavirus disease 2019 (COVID-19) vaccination programs have been rolled out worldwide. Vaccines that are widely used globally include mRNA vaccines, adenoviral vector vaccines, and inactivated whole-virus vaccines. COVID-19 vaccines can lead to varying side effects. Among the most common of these adverse effects are pain at the injection site, fatigue, and headaches. Some side effects, however, are not very well documented, and these include joint-related adverse effects. In this review, we assess the epidemiology and clinical features of post-COVID-19 vaccination joint-related adverse effects based on the analysis of 16 patient case reports. Based on our analysis, we found that females formed the majority of the cases, accounting for 62.5% of patients, while 37.5% of the cases were males. The mean age of presentation among the patients was 54.8 years, with a standard deviation (SD) of 17.49 years. In 37.5% of the cases, patients received the Sinovac vaccine. The proportion of patients who received other vaccines was as follows: the Pfizer vaccine: 31.25%; Sputnik V: 12.5%; Moderna, AstraZeneca, and Covaxin: 6.25% each. The characteristics of joint-related adverse effects following COVID-19 vaccination were analyzed in this study. We identified several key findings related to factors such as age, gender, type of vaccine, clinical features, and diagnosis modality. Our analysis showed that more cases were reported among individuals who received the Sinovac vaccine, as compared to the others. Further research is required to examine the underlying cause of this association.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle