The impact of Covid-19 vaccines on fertility-A systematic review and metanalysis
Notice bibliographique
Résumé
Abstract Introduction Despite literature’s proofs about their safety, concerns arose regarding adverse events due to Covid-19 vaccines, including the possible impact on fertility, accentuated by misinformation and anti-vaccine campaigns. The aim of this study was to evaluate the Covid-19 vaccines’ impact on male and female fertility. Methods PubMed, Scopus, Web of Science, Cochrane and Embase databases were searched for eligible studies until March 7th, 2022. Primary studies investigating the Covid-19 vaccines impact on male and female fertility, were included. Studies’ quality was assessed by the Newcastle-Ottawa and the Before and After Quality Assessment scales for cohort and pre-post studies, respectively. Random-effect meta-analyses were performed for parameters considered in ≥ 2 studies, calculating means, p-values and 95% Confidence Intervals (CIs). I2 statistics was used to assess statistical heterogeneity. Results Out of 1406 studies screened, 20 studies were included in the systematic review. These studies, conducted in Israel (35%), USA (30%), Russia (25%), China (5%) and Italy (5%), were of poor (15%), moderate (75%) and good (10%) quality. Meta-analyses among five studies considering several vaccines were performed for pre- and post-vaccination sperm progressive motility ((49%, 95% CI 36-67% vs 49%, 95% CI 39-61%; p = 0.963) and concentration (64.39 mln/ml, 95% CI 47.51-87.28 and 72.00 mln/ml, 95% CI 51.22-101.21; p = 0.03). Subgroup meta-analyses based on the type of vaccine showed no significant difference: between vaccinated with mRNA vaccines and non-vaccinated regarding biochemical pregnancy rates; pre- and post-vaccination with Gam-COVID-Vac regarding testosterone, FSH and LH levels; pre- and post-vaccination with BNT162b2 vaccines regarding sperm volumes. Discussion There is no scientific proof of any association between Covid-19 vaccines and infertility in men or women. Misinformation and doubts about vaccines should be properly addressed. Key messages • The doubts regarding Covid-19 vaccines’ impact on both male and female fertility resulted to be unfounded. Covid-19 vaccines remain the most important weapon to fight the pandemic. • It is important to keep providing to public opinion and health care providers evidence-based scientific information, in order to effectively combat misinformation and anti-vaccines campaigns.
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 | 0,048 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».