MétaCan
Menu
Retour à la cohorte
Enregistrement W4366236443 · doi:10.2196/45263

Safety Signal Generation for Sudden Sensorineural Hearing Loss Following Messenger RNA COVID-19 Vaccination: Postmarketing Surveillance Using the French Pharmacovigilance Spontaneous Reporting Database

2023· article· en· W4366236443 sur OpenAlexvenueno aff
Hung Thaï-Van, Marie‐Blanche Valnet‐Rabier, Maëva Anciaux, Aude Lambert, Anaïs Maurier, Judith Cottin, Tessa Pietri, Alexandre Destère, Marlène Damin‐Pernik, Fanny Perrouin, Haleh Bagheri

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVestibular and auditory disorders
Établissements canadiensnon disponible
Organismes subventionnairesHospices Civils de LyonAgence Nationale de Sécurité du Médicament et des Produits de SantéFondation Pour l'Audition
Mots-clésPharmacovigilanceMedicinePostmarketing surveillanceVaccinationCoronavirus disease 2019 (COVID-19)AudiologyVirologyDatabasePharmacologyAdverse effectComputer scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The World Health Organization recently described sudden sensorineural hearing loss (SSNHL) as a possible adverse effect of COVID-19 vaccines. Recent discordant pharmacoepidemiologic studies invite robust clinical investigations of SSNHL after COVID-19 messenger RNA (mRNA) vaccines. This postmarketing surveillance study, overseen by French public health authorities, is the first to clinically document postvaccination SSNHL and examine the role of potential risk factors. OBJECTIVE: This nationwide study aimed to assess the relationship between SSNHL and exposure to mRNA COVID-19 vaccines and estimate the reporting rate (Rr) of SSNHL after mRNA vaccination per 1 million doses (primary outcome). METHODS: We performed a retrospective review of all suspected cases of SSNHL after mRNA COVID-19 vaccination spontaneously reported in France between January 2021 and February 2022 based on a comprehensive medical evaluation, including the evaluation of patient medical history, side and range of hearing loss, and hearing recovery outcomes after a minimum period of 3 months. The quantification of hearing loss and assessment of hearing recovery outcomes were performed according to a grading system modified from the Siegel criteria. A cutoff of 21 days was used for the delay onset of SSNHL. The primary outcome was estimated using the total number of doses of each vaccine administered during the study period in France as the denominator. RESULTS: From 400 extracted cases for tozinameran and elasomeran, 345 (86.3%) spontaneous reports were selected. After reviewing complementary data, 49.6% (171/345) of documented cases of SSNHL were identified. Of these, 83% (142/171) of SSNHL cases occurred after tozinameran vaccination: Rr=1.45/1,000,000 injections; no difference for the rank of injections; complete recovery in 22.5% (32/142) of cases; median delay onset before day 21=4 days (median age 51, IQR 13-83 years); and no effects of sex. A total of 16.9% (29/171) of SSNHL cases occurred after elasomeran vaccination: Rr=1.67/1,000,000 injections; rank effect in favor of the first injection (P=.03); complete recovery in 24% (7/29) of cases; median delay onset before day 21=8 days (median age 47, IQR 33-81 years); and no effects of sex. Autoimmune, cardiovascular, or audiovestibular risk factors were present in approximately 29.8% (51/171) of the cases. SSNHL was more often unilateral than bilateral for both mRNA vaccines (P<.001 for tozinameran; P<.003 for elasomeran). There were 13.5% (23/142) of cases of profound hearing loss, among which 74% (17/23) did not recover a serviceable ear. A positive rechallenge was documented for 8 cases. CONCLUSIONS: SSNHL after COVID-19 mRNA vaccines are very rare adverse events that do not call into question the benefits of mRNA vaccines but deserve to be known given the potentially disabling impact of sudden deafness. Therefore, it is essential to properly characterize postinjection SSNHL, especially in the case of a positive rechallenge, to provide appropriate individualized recommendations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,385
Écart entre enseignants0,263 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetVestibular and auditory disordersTravaux en français237 207