MétaCan
Menu
Retour à la cohorte
Enregistrement W4390353679 · doi:10.2196/45536

COVID-19 Vaccination Reactions and Risk of Breakthrough Infections Among People With Diabetes: Cohort Study Derived From Community Reporters

2023· article· en· W4390353679 sur OpenAlexvenueno aff
Nancy A Dreyer, Kendall B Knuth, Yiqiong Xie, Matthew W. Reynolds, Christina Mack

Notice bibliographique

RevueJMIR Diabetes · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Diabetes mellitusMedicineExploratory researchVaccinationCohort studyCohort2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Environmental healthVirologyInternal medicineOutbreakDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This exploratory study compares self-reported COVID-19 vaccine side effects and breakthrough infections in people who described themselves as having diabetes with those who did not identify as having diabetes. OBJECTIVE: The study uses person-reported data to evaluate differences in the perception of COVID-19 vaccine side effects between adults with diabetes and those who did not report having diabetes. METHODS: This is a retrospective cohort study conducted using data provided online by adults aged 18 years and older residing in the United States. The participants who voluntarily self-enrolled between March 19, 2021, and July 16, 2022, in the IQVIA COVID-19 Active Research Experience project reported clinical and demographic information, COVID-19 vaccination, whether they had experienced any side effects, test-confirmed infections, and consented to linkage with prescription claims. No distinction was made for this study to differentiate prediabetes or type 1 and type 2 diabetes nor to verify reports of positive COVID-19 tests. Person-reported medication use was validated using pharmacy claims and a subset of the linked data was used for a sensitivity analysis of medication effects. Multivariate logistic regression was used to estimate the adjusted odds ratios of vaccine side effects or breakthrough infections by diabetic status, adjusting for age, gender, education, race, ethnicity (Hispanic or Latino), BMI, smoker, receipt of an influenza vaccine, vaccine manufacturer, and all medical conditions. Evaluations of diabetes medication-specific vaccine side effects are illustrated graphically to support the examination of the magnitude of side effect differences for various medications and combinations of medications used to manage diabetes. RESULTS: People with diabetes (n=724) reported experiencing fewer side effects within 2 weeks of vaccination for COVID-19 than those without diabetes (n=6417; mean 2.7, SD 2.0 vs mean 3.1, SD 2.0). The adjusted risk of having a specific side effect or any side effect was lower among those with diabetes, with significant reductions in fatigue and headache but no differences in breakthrough infections over participants' maximum follow-up time. Diabetes medication use did not consistently affect the risk of specific side effects, either using self-reported medication use or using only diabetes medications that were confirmed by pharmacy health insurance claims for people who also reported having diabetes. CONCLUSIONS: People with diabetes reported fewer vaccine side effects than participants not reporting having diabetes, with a similar risk of breakthrough infection. TRIAL REGISTRATION: ClinicalTrials.gov NCT04368065; https://clinicaltrials.gov/study/NCT04368065.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,341
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207