Background rates of adverse events of special interest for COVID-19 vaccines: A multinational Global Vaccine Data Network (GVDN) analysis
Notice bibliographique
Résumé
BACKGROUND: The Global COVID Vaccine Safety (GCoVS) project was established in 2021 under the multinational Global Vaccine Data Network (GVDN) consortium to facilitate the rapid assessment of the safety of newly introduced vaccines. This study analyzed data from GVDN member sites on the background incidence rates of conditions designated as adverse events of special interest (AESI) for COVID-19 vaccine safety monitoring. METHODS: Eleven GVDN global sites obtained data from national or regional healthcare databases using standardized methods. Incident events of 13 pre-defined AESI were included for a pre-pandemic period (2015-19) and the first pandemic year (2020). Background incidence rates (IR) and 95% confidence intervals (CI) were calculated for inpatient and emergency department encounters, stratified by age and sex, and compared between pre-pandemic and pandemic periods using incidence rate ratios. RESULTS: An estimated 197 million people contributed 1,189,652,926 person-years of follow-up time. Among inpatients in the pre-pandemic period (2015-19), generalized seizures were the most common neurological AESI (IR ranged from 22.15 [95% CI 19.01-25.65] to 278.82 [278.20-279.44] per 100,000 person-years); acute disseminated encephalomyelitis was the least common (<0.5 per 100,000 person-years at most sites). Pulmonary embolism was the most common thrombotic event (IR 45.34 [95% CI 44.85-45.84] to 93.77 [95% CI 93.46-94.08] per 100,000 person-years). The IR of myocarditis ranged from 1.60 [(95% CI 1.45-1.76) to 7.76 (95% CI 7.46-8.08) per 100,000 person-years. The IR of several AESI varied by site, healthcare setting, age and sex. The IR of some AESI were notably different in 2020 compared to 2015-19. CONCLUSION: Background incidence of AESIs exhibited some variability across study sites and between pre-pandemic and pandemic periods. These findings will contribute to global vaccine safety surveillance and research.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».