Vaccine regulation should require and enforce the inclusion of pregnant and breastfeeding women in prelicensure clinical trials
Notice bibliographique
Résumé
Exclusion of pregnant and breastfeeding women from the pivotal randomized controlled trials for COVID-19 vaccines that led to emergency regulatory approval created gaps in data needed for vaccine policy, healthcare provider recommendations, and women's decisions about vaccination. We argue that such knowledge gaps increase potential for vaccine hesitancy and misinformation relating to the health of women and infants, and that these gaps in evidence are avoidable. Over several decades, ethical and scientific guidance, scholarship, and advocacy in favor of pregnant and breastfeeding women's participation in clinical development of vaccines has accumulated. Guidance on how to include pregnant and breastfeeding women in vaccine trials ethically and safely predates the COVID-19 pandemic but has yet to be routinely incorporated in vaccine development. We highlight the important role regulatory authorities could play in requiring that pregnant and breastfeeding women be eligible as volunteer participants in prelicensure vaccine trials for products that are expected to be used in this population. Inclusion of pregnant and breastfeeding populations in clinical trials leading to market approval or emergency use authorization should be undertaken early or concurrently at the time of trials in the general population.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,602 | 0,624 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,013 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,052 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».