A.4 Neurological events following COVID-19 vaccination: does ethnicity matter?
Notice bibliographique
Résumé
Background: Neurological complications following vaccinations have been described before, but the rates of neurological complications, and their variation by ethnicity, following COVID-19 vaccine are not well-known. Methods: We conducted a population-based cohort study of Ontarians aged 18 years and over who received their first COVID-19 vaccine, and followed them for six weeks to estimate the incidence of neurological events, ascertained using validated case definitions based on ICD-10 codes. Ethnicity was defined using last name surname algorithm. We used multivariable logistic regression models, adjusting for age, sex, and vaccine-type to evaluate ethnic differences. Results: In the included 10,063,466 Ontario residents, incidence of GBS (n=72), CVST (n=52) and transverse myelitis (n=25) after first COVID-19 vaccine was rare. The crude rate of ischemic stroke (240/1,000,000 people) was the highest followed by Bell’s palsy (54/1,000,000). Compared to the general population, the adjusted odds of ischemic stroke and Bell’s palsy were lower in Chinese (aOR Bell’s 0.62; 0.39-0.98 and a OR ischemic stroke 0.74; 0.59-0.91) and South Asians (aOR Bell’s 0.83; 0.52-1.31 and aOR ischemic stroke 0.84; 0.65-1.08). Conclusions: The incidence of neurological events following COVID-19 vaccine is low, and it varies by ethnicity. Our findings should encourage vaccination against COVID-19 in all ethnic groups.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».