Evaluation of COVID-19 vaccination strategies with a delayed second dose
Notice bibliographique
Résumé
Two of the COVID-19 vaccines currently approved in the United States require two doses, administered three to four weeks apart. Constraints in vaccine supply and distribution capacity, together with a deadly wave of COVID-19 from November 2020 to January 2021 and the emergence of highly contagious SARS-CoV-2 variants, sparked a policy debate on whether to vaccinate more individuals with the first dose of available vaccines and delay the second dose, or to continue with the recommended two-dose series as tested in clinical trials. We developed an agent-based model of COVID-19 transmission to compare the impact of these two vaccination strategies, while varying the temporal waning of vaccine efficacy following the first dose and the level of pre-existing immunity in the population. Our results show that for Moderna vaccines, a delay of at least 9 weeks could maximize vaccination program effectiveness and avert at least an additional 17.3 (95% CrI: 7.8 - 29.7) infections, 0.71 (95% CrI: 0.52 - 0.97) hospitalizations, and 0.34 (95% CrI: 0.25 - 0.44) deaths per 10,000 population compared to the recommended 4-week interval between the two doses. Pfizer-BioNTech vaccines also averted an additional 0.61 (95% CrI: 0.37 - 0.89) hospitalizations and 0.31 (95% CrI: 0.23 - 0.45) deaths per 10,000 population in a 9-week delayed second dose strategy compared to the 3-week recommended schedule between doses. However, there was no clear advantage of delaying the second dose with Pfizer-BioNTech vaccines in reducing infections, unless the efficacy of the first dose did not wane over time. Our findings underscore the importance of quantifying the characteristics and durability of vaccine-induced protection after the first dose in order to determine the optimal time interval between the two doses.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».