Economic evaluation of meningococcal vaccines: considerations for the future
Notice bibliographique
Résumé
In 2018, a panel of health economics and meningococcal disease experts convened to review methodologies, frameworks, and decision-making processes for economic evaluations of vaccines, with a focus on evaluation of vaccines targeting invasive meningococcal disease (IMD). The panel discussed vaccine evaluation methods across countries; IMD prevention benefits that are well quantified using current methods, not well quantified, or missing in current cost-effectiveness methodologies; and development of recommendations for future evaluation methods. Consensus was reached on a number of points and further consideration was deemed necessary for some topics. Experts agreed that the unpredictability of IMD complicates an accurate evaluation of meningococcal vaccine benefits and that vaccine cost-effectiveness evaluations should encompass indirect benefits, both for meningococcal vaccines and vaccines in general. In addition, the panel agreed that transparency in the vaccine decision-making process is beneficial and should be implemented when possible. Further discussion is required to ascertain: how enhancing consistency of frameworks for evaluating outcomes of vaccine introduction can be improved; reviews of existing tools used to capture quality of life; how indirect costs are considered within models; and whether and how the weighting of quality-adjusted life-years (QALY), application of QALY adjustment factors, or use of altered cost-effectiveness thresholds should be used in the economic evaluation of vaccines.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».