MétaCan
Menu
Retour à la cohorte
Enregistrement W4409920319 · doi:10.1001/jamanetworkopen.2025.7871

Menstrual Cycle Length Changes Following Vaccination Against Influenza Alone or With COVID-19

2025· article· en· W4409920319 sur OpenAlexaboutno aff
Emily R. Boniface, Blair G. Darney, Agathe van Lamsweerde, Eleonora Benhar, Alexandra Alvergne, Alison Edelman

Notice bibliographique

RevueJAMA Network Open · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Child Health and Human DevelopmentEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentCenters for Disease Control and PreventionNational Institutes of HealthWorld Health OrganizationBill and Melinda Gates Foundation
Mots-clésVaccinationMedicineMenstrual cycleReceiptDemographyGynecologyObstetricsImmunologyInternal medicineHormone

Résumé

récupéré en direct d'OpenAlex

Importance: Multiple studies have identified an association between COVID-19 vaccination and menstrual disturbances. Data on whether menstrual health is impacted by other vaccines are needed to counsel individuals about what to expect and to address vaccine hesitancy. Objective: To assess the association of changes in length of the menstrual cycle with influenza vaccination, with or without concurrent receipt of a COVID-19 vaccine. Design, Setting, and Participants: This global retrospective cohort study prospectively collected menstrual cycle data from April 25, 2023, to February 27, 2024 (4-5 cycles per individual), among international English-speaking users of a digital birth control application. Participants included individuals aged 18 to 45 years, not using hormonal contraception, and with average cycle lengths of 24 to 38 days in 3 consecutive cycles before receipt of vaccines. Exposure: Seasonal influenza vaccination with or without concurrent receipt of COVID-19 vaccine. Main Outcome and Measure: The primary outcome consisted of adjusted mean within-individual changes of menstrual cycle length assessed by vaccination group. Secondary analysis evaluated the phase of menstrual cycle at time of vaccination. Results: A total of 1501 individuals met the inclusion criteria, of whom 791 were vaccinated for influenza only and 710 were concurrently vaccinated for influenza and COVID-19. By race and ethnicity, 1 participant (0.1%) was American Indian or Alaska Native; 10 (0.7%), Asian; 3 (0.2%), Black; 15 (1.0%), Hispanic or Latina; 1 (0.1%), Middle Eastern or North African; 368 (24.5%), White; and 19 (1.3%), other; and 1084 (72.2%), missing. Most of the cohort was younger than 35 years (1230 [82.0%]), had at least a college degree (1122 [74.8%]), and was located in the US or Canada (938 [62.5%]). Individuals vaccinated for influenza alone experienced an adjusted mean increase of 0.40 (95% CI, 0.08-0.72) days, while those vaccinated concurrently for influenza and COVID-19 experienced a mean increase of 0.49 (95% CI, 0.16-0.83) days (P = .69 for difference between vaccine groups). A total of 37 individuals (4.7%) experienced a change in cycle length of at least 8 days with influenza vaccine only and 42 (5.9%) with concurrent receipt of both vaccines (P = .28). In the postvaccination cycle, both vaccination groups returned to their prevaccination cycle lengths. Menstrual cycle changes occurred with vaccination in the follicular phase but not the luteal phase. Conclusions and Relevance: In this cohort study of individuals with regular menstrual cycles, influenza vaccine given alone or in combination with a COVID-19 vaccine was associated with a small but temporary change in menstrual cycle length. These findings may help clinicians confirm the utility of vaccination for patients with concerns about menstrual adverse effects of vaccination.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,469
Score d'incertitude au seuil0,828

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,045
Tête enseignante GPT0,386
Écart entre enseignants0,341 · 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'étudeSans objet
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207