Sex-disaggregated effectiveness data reporting in COVID-19 vaccine research: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Sex and gender are believed to influence vaccine response. Yet, the relationship between sex and gender and COVID-19 vaccine efficacy is poorly understood and remains under-investigated. METHODS: We conducted a systematic review to determine whether and to what extent post-approval COVID-19 vaccine effectiveness (VE) studies report sex-disaggregated VE data. We searched four publication and pre-publication databases and additional grey literature sources for relevant published/preprint studies released between 1 January 2020 and 1 October 2021 (i.e., pre-Omicron era). We included observational studies providing VE estimates for one or more licensed/approved COVID-19 vaccines and including both males and females. Two reviewers independently assessed study eligibility, extracted data, and assessed risk-of-bias through a modified version of Cochrane's ROBINS-I tool. A qualitative data synthesis was performed. RESULTS: Here we show that, among 240 eligible publications, 68 (28.3%) do not report the sex distribution among participants. Only 21/240 (8.8%) studies provide sex-disaggregated VE estimates, and high between-study heterogeneity regarding design, target population, outcomes, and vaccine type/timing prevent the assessment of sex in determining COVID-19 VE across studies. CONCLUSIONS: Our findings indicate that few COVID-19 vaccine research publications account for sex. Improved adherence to recommended reporting guidelines will ensure that the evidence generated can be used to better understand the relationship between sex and gender and VE.
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 | 0,060 | 0,199 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».