MétaCan
Menu
Retour à la cohorte
Enregistrement W2116926954 · doi:10.1016/j.vaccine.2014.04.080

Analysis of the Universal Immunization Programme and introduction of a rotavirus vaccine in India with IndiaSim

2014· article· en· W2116926954 sur OpenAlexfundno aff
Itamar Megiddo, Abigail Colson, Arindam Nandi, Susmita Chatterjee, Shankar Prinja, Ajay Khera, Ramanan Laxminarayan

Notice bibliographique

RevueVaccine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueViral gastroenteritis research and epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesGrand Challenges CanadaJohns Hopkins UniversityCenter for Africana Studies, Johns Hopkins UniversityUniversity of WashingtonBill and Melinda Gates Foundation
Mots-clésRotavirus vaccineImmunizationVaccinationMedicinePopulationRotavirusEnvironmental healthDisease burdenMeaslesPsychological interventionImmunologyVirus

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: India has the highest under-five death toll globally, approximately 20% of which is attributed to vaccine-preventable diseases. India's Universal Immunization Programme (UIP) is working both to increase immunization coverage and to introduce new vaccines. Here, we analyze the disease and financial burden alleviated across India's population (by wealth quintile, rural or urban area, and state) through increasing vaccination rates and introducing a rotavirus vaccine. METHODS: We use IndiaSim, a simulated agent-based model (ABM) of the Indian population (including socio-economic characteristics and immunization status) and the health system to model three interventions. In the first intervention, a rotavirus vaccine is introduced at the current DPT3 immunization coverage level in India. In the second intervention, coverage of three doses of rotavirus and DPT and one dose of the measles vaccine are increased to 90% randomly across the population. In the third, we evaluate an increase in immunization coverage to 90% through targeted increases in rural and urban regions (across all states) that are below that level at baseline. For each intervention, we evaluate the disease and financial burden alleviated, costs incurred, and the cost per disability-adjusted life-year (DALY) averted. RESULTS: Baseline immunization coverage is low and has a large variance across population segments and regions. Targeting specific regions can approximately equate the rural and urban immunization rates. Introducing a rotavirus vaccine at the current DPT3 level (intervention one) averts 34.7 (95% uncertainty range [UR], 31.7-37.7) deaths and $215,569 (95% UR, $207,846-$223,292) out-of-pocket (OOP) expenditure per 100,000 under-five children. Increasing all immunization rates to 90% (intervention two) averts an additional 22.1 (95% UR, 18.6-25.7) deaths and $45,914 (95% UR, $37,909-$53,920) OOP expenditure. Scaling up immunization by targeting regions with low coverage (intervention three) averts a slightly higher number of deaths and OOP expenditure. The reduced burden of rotavirus diarrhea is the primary driver of the estimated health and economic benefits in all intervention scenarios. All three interventions are cost saving. CONCLUSION: Improving immunization coverage and the introduction of a rotavirus vaccine significantly alleviates disease and financial burden in Indian households. Population subgroups or regions with low existing immunization coverage benefit the most from the intervention. Increasing coverage by targeting those subgroups alleviates the burden more than simply increasing coverage in the population at large.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,177

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,008
Tête enseignante GPT0,252
Écart entre enseignants0,244 · 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'étudeObservationnel
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

Citations58
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetViral gastroenteritis research and epidemiologyTravaux en français237 207