MétaCan
Menu
Retour à la cohorte
Enregistrement W4297216180 · doi:10.1016/j.rcsop.2022.100183

Shoulder injury related to vaccine administration (SIRVA): What do we know about its incidence and impact?

2022· article· en· W4297216180 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueExploratory Research in Clinical and Social Pharmacy · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueIntramuscular injections and effects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineIncidence (geometry)

Résumé

récupéré en direct d'OpenAlex

Background: Shoulder injury related to vaccine administration (SIRVA) has been recognised as the compensable term for any shoulder injury that may result from an improper vaccination technique since 2017, however, its incidence and impact remain poorly understood. Objectives: To examine knowledge of SIRVA through reported cases, determine SIRVA incidence related to COVID-19 vaccinations, and investigate recovery rates. Methods: Six pharmacovigilance agencies in the United States of America (USA), Canada, United Kingdom, European Union, Australia, and New Zealand were systematically search to identify all reported cases of SIRVA between January 2017 to July 2021. Primary outcome measures were SIRVA case reports. Secondary outcome measures included recovery status as well as vaccine received, age, and sex. SIRVA-related outcome measures were retrieved between July 18th and July 22nd 2021, with UK data received via personal correspondence. Results: Retrospective analysis yielded 505 SIRVA cases since 2017, with 330 (65%) of cases reported from January to July 2021. Sub-analysis, using COVID-19 data of 189 SIRVA cases from 891,906,986 vaccinations, estimated incidence to be 2 per 10 million. 32 cases (7%) had recovered from symptoms at the time of reporting, with 311 (62%) reported as 'not recovered', and 162 cases (32%) 'unknown'. Females represented 75% of reported cases. Conclusion: SIRVA case report numbers and incidence from COVID-19 data, compared with prior evidence, raises questions around health practitioner knowledge and reporting accuracy of SIRVA. Recovery rates are poorly understood. A global consensus definition of SIRVA and more transparent and routine reporting is required. The disproportionate representation of females is of concern with no known reasons for this disparity. Further research is needed on SIRVA knowledge in healthcare practitioners, reporting rates, incidence, management, and long-term outcomes for those impacted. Pharmacist vaccinators should be aware of their role in preventing SIRVA and be active in its detection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil0,840

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,177
Tête enseignante GPT0,543
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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