牛津-阿斯利康疫苗与出血性疾病风险轻微升高有关 |《自然-医学》论文

本文主要是介绍牛津-阿斯利康疫苗与出血性疾病风险轻微升高有关 |《自然-医学》论文,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

来源:Nature Portfolio本文约1000字,建议阅读5分钟可能有证据表明牛津-阿斯利康疫苗与其他出血及血管问题风险升高有关。

《自然-医学》发表的一项研究First-dose ChAdOx1 and BNT162b2 COVID-19 vaccines and thrombocytopenic, thromboembolic and hemorrhagic events in Scotland发现,对超过250万名接种过第一剂牛津-阿斯利康或辉瑞-生物科技疫苗的苏格兰成人的全国性调查表明,牛津-阿斯利康疫苗和一种自体免疫出血性疾病——免疫性血小板减少性紫癜(immune thrombocytopenic purpura,ITP)——的风险轻微升高有关。这项研究还发现,可能有证据表明牛津-阿斯利康疫苗与其他出血及血管问题风险升高有关。这些很小的风险尽管重要但罕见,并且与其他疫苗的风险相当,包括乙型肝炎、囊虫病、流行性腮腺炎、风疹,以及流行性感冒的疫苗。 

临床试验表明,针对新冠病毒的两种疫苗,牛津-阿斯利康(ChAdOx1)和辉瑞-生物科技(BNT162b2),普遍耐受性良好,但有少数严重副反应报告。在2200万次第一剂注射和680万次第二剂注射后,英国药品和保健品管理局(MHRA)收到209例血小板减少性紫癜和血栓栓塞(分别是出血性疾病和血栓类疾病)的报告。 

为调查新冠疫苗和血液疾病进展存在相关的可能性,英国爱丁堡大学的Aziz Sheikh和同事调查了2020年12月至2021年四月间,接种了第一剂新冠疫苗(最常见的是ChAdOx1或BNT162b2)的253万苏格兰成人(占18岁以上成年人口的57%)与疫苗相关的出血和血管事件。作者发现在这一人群中,ChAdOx1疫苗在注射后长达27天内与ITP风险轻微升高有关,该疾病导致某些患者出现轻微瘀青和过度出血,某些患者会患上慢性病。据估计,每十万例第一剂注射中发生1.13例。分析还表明,ChAdOx1注射27天内,其他动脉血栓和出血事件风险有轻微上升。但没有充分证据表明ChAdOx1和脑静脉窦血栓(一种在脑部形成血栓的罕见疾病)有关。作者没有发现BNT162b2疫苗与这些不良事件风险增加有关的证据。

作者强调,ChAdOx1益处非常明确,应在此背景下理解这些发现。该疫苗产生严重不良事件的风险远低于新冠肺炎导致重症或死亡的风险,尤其是对老年人和其他脆弱人群而言。进一步研究需要纳入较年轻的人群(由于疫苗接种计划根据年龄和基础疾病确定目标人群,本研究中40岁以下的人相对较少),并评估对第二剂疫苗的反应。

在研究期间出现免疫性血小板减少性紫癜的个体的疫苗接种日期和疫苗类型。来源:Sheikh et al.

©Nature

Nature Med | doi: 10.1038/s41591-021-01408-4

点击“阅读原文”查看论文原文:

First-dose ChAdOx1 and BNT162b2 COVID-19 vaccines and thrombocytopenic, thromboembolic and hemorrhagic events in Scotland

编辑:文婧

这篇关于牛津-阿斯利康疫苗与出血性疾病风险轻微升高有关 |《自然-医学》论文的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/901145

相关文章

【Python如何输入升高和体重判断你是偏胖还是偏瘦】

1、求体质指数得Python代码如下: # BMI(Body Mass Index)指数:简称体质指数,# 是国际上常用的衡量人体胖瘦程度以及是否健康的一个标准。# 常用指标:BMI<18.5 偏瘦 18.5<=MBI<=24 正常 MBI>24 偏胖# 计算公式:BMI=体重kg/身高的平方ma = eval(input("请输入你的体重(kg):")) # 输入体重b = e

康奈尔大学之论文审稿模型Reviewer2及我司七月对其的实现(含PeerRead)

前言 自从我司于23年7月开始涉足论文审稿领域之后「截止到24年6月份,我司的七月论文审稿GPT已经迭代到了第五版,详见此文的8.1 七月论文审稿GPT(从第1版到第5版)」,在业界的影响力越来越大,所以身边朋友如发现业界有相似的工作,一般都会第一时间发给我,比如本部分要介绍的康奈尔大学的reviewer2 当然,我自己也会各种看类似工作的论文,毕竟同行之间的工作一定会互相借鉴的,我们会学他们

【论文精读】分类扩散模型:重振密度比估计(Revitalizing Density Ratio Estimation)

文章目录 一、文章概览(一)问题的提出(二)文章工作 二、理论背景(一)密度比估计DRE(二)去噪扩散模型 三、方法(一)推导分类和去噪之间的关系(二)组合训练方法(三)一步精确的似然计算 四、实验(一)使用两种损失对于实现最佳分类器的重要性(二)去噪结果、图像质量和负对数似然 论文:Classification Diffusion Models: Revitalizing

【python】python葡萄酒国家分布情况数据分析pyecharts可视化(源码+数据集+论文)【独一无二】

👉博__主👈:米码收割机 👉技__能👈:C++/Python语言 👉公众号👈:测试开发自动化【获取源码+商业合作】 👉荣__誉👈:阿里云博客专家博主、51CTO技术博主 👉专__注👈:专注主流机器人、人工智能等相关领域的开发、测试技术。 python葡萄酒国家分布情况数据分析pyecharts可视化(源码+数据集+论文)【独一无二】 目录 python葡

论文阅读--Efficient Hybrid Zoom using Camera Fusion on Mobile Phones

这是谷歌影像团队 2023 年发表在 Siggraph Asia 上的一篇文章,主要介绍的是利用多摄融合的思路进行变焦。 单反相机因为卓越的硬件性能,可以非常方便的实现光学变焦。不过目前的智能手机,受制于物理空间的限制,还不能做到像单反一样的光学变焦。目前主流的智能手机,都是采用多摄的设计,一般来说一个主摄搭配一个长焦,为了实现主摄与长焦之间的变焦,目前都是采用数字变焦的方式,数字变焦相比于光学

【LLM之KG】CoK论文阅读笔记

研究背景 大规模语言模型(LLMs)在许多自然语言处理(NLP)任务中取得了显著进展,特别是在零样本/少样本学习(In-Context Learning, ICL)方面。ICL不需要更新模型参数,只需利用几个标注示例就可以生成预测。然而,现有的ICL和链式思维(Chain-of-Thought, CoT)方法在复杂推理任务上仍存在生成的推理链常常伴随错误的问题,导致不真实和不可靠的推理结果。

【python】python基于akshare企业财务数据对比分析可视化(源码+数据集+论文)【独一无二】

👉博__主👈:米码收割机 👉技__能👈:C++/Python语言 👉公众号👈:测试开发自动化【获取源码+商业合作】 👉荣__誉👈:阿里云博客专家博主、51CTO技术博主 👉专__注👈:专注主流机器人、人工智能等相关领域的开发、测试技术。 系列文章目录 目录 系列文章目录一、设计要求二、设计思路三、可视化分析 一、设计要求 选取中铁和贵州茅

AIGC-Animate Anyone阿里的图像到视频 角色合成的框架-论文解读

Animate Anyone: Consistent and Controllable Image-to-Video Synthesis for Character Animation 论文:https://arxiv.org/pdf/2311.17117 网页:https://humanaigc.github.io/animate-anyone/ MOTIVATION 角色动画的

Java中的排序比较方式:自然排序和比较器排序

这里所说到的Java中的排序并不是指插入排序、希尔排序、归并排序等具体的排序算法。而是指执行这些排序算法时,比较两个对象“大小”的比较操作。我们很容易理解整型的 i>j 这样的比较方式,但当我们对多个对象进行排序时,如何比较两个对象的“大小”呢?这样的比较 stu1 > stu2 显然是不可能通过编译的。为了解决如何比较两个对象大小的问题,JDK提供了两个接口 java.lang.Comparab

【python】python股票量化交易策略分析可视化(源码+数据集+论文)【独一无二】

👉博__主👈:米码收割机 👉技__能👈:C++/Python语言 👉公众号👈:测试开发自动化【获取源码+商业合作】 👉荣__誉👈:阿里云博客专家博主、51CTO技术博主 👉专__注👈:专注主流机器人、人工智能等相关领域的开发、测试技术。 【python】python股票量化交易策略分析可视化(源码+数据集+论文)【独一无二】 目录 【python】pyt