The Global Burden of Absenteeism Related to COVID-19 Vaccine Side Effects Among Healthcare Workers: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: A rise in absenteeism among healthcare workers (HCWs) was recorded during the COVID-19 pandemic, mostly attributed to SARS-CoV-2 infections. However, evidence suggests that COVID-19 vaccine-related side effects may have also contributed to absenteeism during this period. This study aimed to synthesize the evidence on the prevalence of absenteeism related to COVID-19 vaccine side effects among HCWs. Methods: The inclusion criteria for this review were original quantitative studies of any design, written in English, that addressed absenteeism related to the side effects of COVID-19 vaccines among HCWs. Four databases (PubMed, Scopus, Embase, and the Web of Science) were searched for eligible articles on 7 June 2024. The risk of bias was assessed using the Newcastle–Ottawa scale. Narrative synthesis and a meta-analysis were used to synthesize the evidence. Results: Nineteen observational studies with 96,786 participants were included. The pooled prevalence of absenteeism related to COVID-19 vaccine side effects was 17% (95% CI: 13–20%), while 83% (95% CI: 80–87%) of the vaccination events did not lead in any absenteeism. Study design, sex, vaccination dose, region, and vaccine type were identified as significant sources of heterogeneity. Conclusions: A non-negligible proportion of HCWs were absent from work after reporting side effects of the COVID-19 vaccine. Various demographic factors should be considered in future vaccination schedules for HCWs to potentially decrease the burden of absenteeism related to vaccine side effects. As most studies included self-reported questionnaire data, our results may be limited due to a recall bias. Other: The protocol of the study was preregistered in the PROSPERO database (CRD42024552517).
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,003 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».