A multiprovincial retrospective analysis of the incidence of myocarditis or pericarditis after mRNA vaccination compared to the incidence after SARS-CoV-2 infection
Notice bibliographique
Résumé
Objective: To compare myocarditis/pericarditis risk after COVID-19 mRNA vaccination versus SARS-CoV-2 infection, and to assess if myocarditis/pericarditis risk varies by vaccine dosing interval. Methods: In this retrospective cohort study, we used linked databases in Quebec, Ontario, and British Columbia between January 26, 2020, and September 9, 2021. We included individuals aged 12 or above who received an mRNA vaccine as the second dose or were SARS-CoV-2-positive by RT-PCR. The outcome was hospitalization/emergency department visit for myocarditis/pericarditis within 21 days of exposure. We calculated age- and sex-stratified incidence ratios (IRs) of myocarditis/pericarditis following mRNA vaccination versus SARS-CoV-2 infection. We also calculated myocarditis/pericarditis incidence by vaccine type, homologous/heterologous schedule, and dosing interval. We pooled province-specific estimates using meta-analysis. Results: Following 18,860,817 mRNA vaccinations and 860,335 SARS-CoV-2 infections, we observed 686 and 160 myocarditis/pericarditis cases, respectively. Myocarditis/pericarditis incidence was lower after vaccination than infection (IR [BNT162b2/SARS-CoV-2], 0.14; 95%CI, 0.07-0.29; IR [mRNA-1273/SARS-CoV-2], 0.28; 95%CI, 0.20-0.39). Within the vaccinated cohort, myocarditis/pericarditis incidence was lower with longer dosing intervals; IR (56 or more days/15-30 days) was 0.28 (95%CI, 0.19-0.41) for BNT162b2 and 0.26 (95%CI, 0.18-0.38) for mRNA-1273. Conclusion: Myocarditis/pericarditis risk was lower after mRNA vaccination than SARS-CoV-2 infection, and with longer intervals between primary vaccine doses.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».