Shoulder injury related to vaccine administration (SIRVA): What do we know about its incidence and impact?
Notice bibliographique
Résumé
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.
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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».