Bell’s Palsy and COVID-19 Vaccines: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
INTRODUCTION: Once the COVID-19 pandemic was declared, the world was waiting for the clue that would be able to cut down the progression of the disease. Vaccines play a crucial role in reducing the disease and saving many people worldwide. However, there are several side effects of these vaccines, like pain, fatigue, fever, and neurological defects like Bell's palsy. In this systematic review, we presented evidence about the occurrence of Bell's palsy followed by COVID-19 vaccination. METHODS: We searched PubMed, SCOPUS, EBSCO, and Web of Science (WOS) from inception till October 2022. The quality assessment was conducted using the Joanna Briggs Institute, National Institute of Health, and Newcastle-Ottawa. The analysis was conducted on SPSS. RESULTS: Thirty-five records were involved in our study. The results of our cases revealed that most of the patients (62.8%) experienced unilateral facial paralysis. Also, the majority of the cases were reported after the first dose, and most cases were after Pfizer, AstraZeneca, and Sputnik V vaccines, respectively. The patients who were treated with corticosteroids, IVIG, and anti-viral drugs, showed marked recovery afterward. CONCLUSION: The rate ratio of Bell's palsy after COVID-19 vaccination was 25.3 per 1,000,000. The ratio was higher after the first dose compared to the second dose and was higher among those who took Oxford/AstraZeneca vaccine compared to other vaccines. However, this condition was reported in a small number of cases among a large number of vaccinated people worldwide. It is important to note that the benefits of getting vaccinated far outweigh any potential risks.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,023 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| 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 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 ».