A Pharmacoepidemiological Approach For Evaluating The Risk Of Myocarditis And Pericarditis Following Mrna COVID-19 Vaccination
Notice bibliographique
Résumé
ObjectivesThis thesis evaluates the risk of myocarditis and pericarditis (myo/pericarditis) post-mRNA COVID-19 vaccination. MethodsThree complementary approaches were employed: disproportionality analysis using Vaccine Adverse Event Reporting System (VAERS) for early safety signals, analysis of observed-to-expected reporting rates, and a systematic review and meta-analysis comparing the rate of myo/pericarditis among vaccinated relative to unvaccinated individuals. ResultsAnalysis of VAERS and observed-to-expected reporting rates identified a signal for myo/pericarditis following mRNA COVID-19 vaccination, predominantly in young males post second doses.The meta-analysis further corroborated the findings, indicating a higher risk in those who received mRNA COVID-19 vaccinations compared to unvaccinated individuals in the absence of COVID-19 infection. ConclusionThe multi-faceted approach adopted in this study indicates a potential risk of myo/pericarditis following mRNA COVID-19 vaccination.However, further research is needed to explore co-factors, genetic predisposition, and risks in special populations, to inform public health decisions and shape vaccine recommendations.A.A., and Wsu, Z.H.: 'Global reports of myocarditis following COVID-19 vaccination: A systematic review and meta-analysis', Diabetes & Metabolic
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 | 0,032 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,010 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».