Identifican las alteraciones en la menstruación derivadas de las vacunas contra la COVID-19
Cerca de 23.000 mujeres españolas han participado en esta encuesta pionera a nivel nacional realizada por la Universidad de Granada. El 78% de las participantes refirieron haber percibido cambios leves en los síntomas premenstruales y menstruales tras la administración de la vacuna.
Fuente: Universidad de Granada
El «proyecto EVA» de la Universidad de Granada ha identificado leves alteraciones en los ciclos premenstrual y menstrual de las mujeres, provocadas por las vacunas contra la COVID-19.
El estudio ha lanzado una encuesta virtual para mujeres españolas que han recibido la pauta completa de vacunación. Se han recogido datos sociodemográficos y clínicos: tipo de vacuna administrada y cambios percibidos en relación a la duración del ciclo, cantidad de sangrado, dolor, presencia de coágulos y síntomas premenstruales. Casi 23.000 mujeres españolas han participado en la encuesta, de las que 14.153 han cumplido los criterios de inclusión y exclusión de la investigación.
Cerca de 23.000 mujeres españolas han participado en esta encuesta pionera a nivel nacional.
El 78% de las participantes han percibido cambios en los síntomas premenstruales y menstruales tras la administración de la vacuna. En resumen, las mujeres que han notificado alteraciones son algo más mayores (especialmente por encima de los 35 años) y ligeramente más fumadoras que las mujeres que no han percibido cambios. Las alteraciones en síntomas premenstruales más prevalentes son mayor cansancio (43%), distensión abdominal (37%), irritabilidad (29%), tristeza (28%) y dolor de cabeza (28%). Los cambios en síntomas menstruales más frecuentes son mayor cantidad de sangrado (43%), dolor (41%), retraso en la menstruación (38%) y menos días de sangrado (34.5%).
La investigadora del Departamento de Enfermería de la UGR Laura Baena García encabeza este trabajo. “Los ensayos clínicos realizados para el desarrollo de las vacunas contra la COVID-19 no incluyeron el registro de posibles cambios premenstruales y menstruales después de la administración de las dosis. Tras la puesta en marcha de la campaña de vacunación, muchas mujeres detectaron cambios en su ciclo menstrual. Por este motivo, se puso en marcha el proyecto EVA, cuyo objetivo es determinar si existe asociación entre la vacuna contra el virus SARS-CoV-2 y las alteraciones menstruales”, detalla.
Es el primer estudio en población española que recoge los cambios percibidos tanto en síntomas premenstruales como menstruales derivados de la vacuna contra la COVID-19. “Las mujeres vacunadas perciben alteraciones leves en ambos momentos del ciclo. Se necesitan más estudios para describir los mecanismos fisiológicos que explican estas alteraciones”, argumenta Laura Baena.
Este proyecto ha sido financiado por la Cátedra de Investigación Antonio Chamorro-Alejandro Otero de la Universidad de Granada.
Referencia bibliográfica:
Baena-García L, Aparicio VA, Molina-López A, Aranda P, Cámara-Roca L, Ocón-Hernández: ‘Premenstrual and menstrual changes reported after COVID-19 vaccination: The EVA project. Women’s Health. January 2022. doi:10.1177/17455057221112237
Últimas publicaciones
El grupo de investigación ‘Desarrollo y enfermedades musculares’ del Centro Andaluz de Biología del Desarrollo logra corregir alteraciones fisiopatológicas en modelos celulares de esta grave enfermedad neurodegenerativa mediante una combinación de compuestos comerciales.
Sigue leyendo
Un estudio de la Universidad de Córdoba explora el perfil sociodemográfico de las personas atraídas por estas populares rutas, caracterizadas por no disponer de una tarifa fija establecida, y analiza las motivaciones que les impulsan a participar en ellas. En cuanto a las principales motivaciones que llevan a los turistas a optar por este tipo de experiencias, el trabajo destaca la posibilidad de conocer barrios históricos, el propio recorrido y la amabilidad del guía.
Sigue leyendo
Un equipo de investigación de la Universidad de Cádiz ha creado REDIBAGG, un método que acelera el entrenamiento de modelos de inteligencia artificial hasta un 70%, al utilizar menos datos pero sin perder precisión. La técnica tiene potencial para analizar grandes volúmenes de información en campos tan diversos como la medicina, la industria o las finanzas.
Sigue leyendo
