MétaCan
Menu
Retour à la cohorte
Enregistrement W2930280100 · doi:10.1016/j.vaccine.2019.03.017

Modeling the economic impact of different vial-opening thresholds for measles-containing vaccines

2019· article· en· W2930280100 sur OpenAlexaff
Patrick T. Wedlock, Elizabeth Mitgang, Assaf P. Oron, Brittany Hagedorn, Jim Leonard, Shawn T. Brown, Sheryl S. Siegmund, Bruce Y. Lee

Notice bibliographique

RevueVaccine · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentNational Institute of General Medical SciencesNIH Office of the DirectorGlobal Obesity Prevention Center, Johns Hopkins UniversityNational Institutes of HealthAgency for Healthcare Research and QualityJohns Hopkins UniversityBill and Melinda Gates Foundation
Mots-clésVialMedicineMeaslesEnvironmental healthVaccinationVirology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The lack of specific policies on how many children must be present at a vaccinating location before a healthcare worker can open a measles-containing vaccine (MCV) - i.e. the vial-opening threshold - has led to inconsistent practices, which can have wide-ranging systems effects. METHODS: Using HERMES-generated simulation models of the routine immunization supply chains of Benin, Mozambique and Niger, we evaluated the impact of different vial-opening thresholds (none, 30% of doses must be used, 60%) and MCV presentations (10-dose, 5-dose) on each supply chain. We linked these outputs to a clinical- and economic-outcomes model which translated the change in vaccine availability to associated infections, medical costs, and DALYs. We calculated the economic impact of each policy from the health system perspective. RESULTS: The vial-opening threshold that maximizes vaccine availability while minimizing costs varies between individual countries. In Benin (median session size = 5), implementing a 30% vial-opening threshold and tailoring distribution of 10-dose and 5-dose MCVs to clinics based on session size is the most cost-effective policy, preventing 671 DALYs ($471/DALY averted) compared to baseline (no threshold, 10-dose MCVs). In Niger (median MCV session size = 9), setting a 60% vial-opening threshold and tailoring MCV presentations is the most cost-effective policy, preventing 2897 DALYs ($16.05/ DALY averted). In Mozambique (median session size = 3), setting a 30% vial-opening threshold using 10-dose MCVs is the only beneficial policy compared to baseline, preventing 3081 DALYs ($85.98/DALY averted). Across all three countries, however, a 30% vial-opening threshold using 10-dose MCVs everywhere is the only MCV threshold that consistently benefits each system compared to baseline. CONCLUSION: While the ideal vial-opening threshold policy for MCV varies by supply chain, implementing a 30% vial-opening threshold for 10-dose MCVs benefits each system by improving overall vaccine availability and reducing associated medical costs and DALYs compared to no threshold.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,163

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,029
Tête enseignante GPT0,316
Écart entre enseignants0,287 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetVaccine Coverage and HesitancyTravaux en français237 207