The role of co-morbidities in the development of an AEFI after COVID-19 vaccination in a large prospective cohort with patient-reported outcomes in the Netherlands
Notice bibliographique
Résumé
BACKGROUND: The effect of a preexisting comorbidity on the occurrence of adverse events after immunization (AEFIs) has been studied poorly. In this longitudinal cohort study, we assess the association between co-morbidities and the occurrence of AEFIs after COVID-19 vaccination. Also, we described the occurrence of flare-ups and their manifestation after COVID-19 vaccination in people with rheumatic diseases. RESEARCH DESIGN AND METHODS: We performed multivariable logistic regression to investigate the association between the occurrence of AEFIs and 10 common comorbidities using patient-reported data from people vaccinated with the AstraZeneca, Johnson&Johnson, Moderna, or Pfizer vaccine. RESULTS: Occurrence of any AEFI, injection site reactions, headache, fatigue, and/or malaise was significantly associated with presence of comorbidities, including psychological disorders, musculoskeletal disorders, and endocrine disorders after the first and second doses (OR ranges 1.23-1.77). One participant with rheumatoid arthritis experienced a flare-up after receiving the first dose of the AstraZeneca vaccine. DISCUSSION/CONCLUSION: The results showed that the odds of reporting an AEFI after COVID-19 vaccination is significantly higher in the presence of some comorbidities whilst flare-ups are uncommon after receiving COVID-19 vaccination in people with rheumatic disease. In-depth research is needed to validate our results and unravel the observed associations from a mechanistic perspective.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».