COVID-19 mRNA vaccination is associated with IgA nephropathy: an analysis of the Japanese adverse drug event report database
Notice bibliographique
Résumé
Purpose: Coronavirus disease 2019 (COVID-19) mRNA vaccines are used worldwide to prevent severe symptoms of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection. IgA nephropathy (IgAN) is the most common form of glomerular injury after COVID-19 vaccination; however, because of the low frequency of such events, only a few reports have been published. A large pharmacovigilance database of real-world spontaneous adverse event (AE) reports is essential for evaluating the drug-associated safety signals regarding rare AEs. Herein, we aimed to investigate the frequency of IgAN after the COVID-19 vaccination, using the Japanese Adverse Drug Event Report (JADER) database. Methods: Data on drug-associated AEs reported between April 2004 and May 2022 were obtained from the JADER database on the Pharmaceuticals and Medical Devices Agency website. To evaluate the safety signals for the targeted AEs, reporting odds ratios (RORs), information components (ICs), and their 95% confidence intervals (CIs) were calculated using two-by-two contingency tables. Results: A total of 697,885 cases were included in the analysis. Safety signals were detected for IgAN (ROR: 6.49, 95% CI: 4.38–9.61; IC: 2.27, 95% CI: 1.70–2.83). Of 30 cases for IgAN associated with COVID-19 mRNA vaccines, 16 had information available on time to onset. Of the 16 cases, 11 occurred ≤2 days after vaccination, and two occurred >28 days after vaccination. Conclusion: These results suggest that, compared with other drugs, COVID-19 vaccination is associated with a higher frequency of IgAN. Monitoring of gross hematuria following COVID-19 vaccination should be needed.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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; 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 ».