Estimating the health impact of vaccination against ten pathogens in 98 low-income and middle-income countries from 2000 to 2030: a modelling study
Notice bibliographique
Résumé
BACKGROUND: The past two decades have seen expansion of childhood vaccination programmes in low-income and middle-income countries (LMICs). We quantify the health impact of these programmes by estimating the deaths and disability-adjusted life-years (DALYs) averted by vaccination against ten pathogens in 98 LMICs between 2000 and 2030. METHODS: 16 independent research groups provided model-based disease burden estimates under a range of vaccination coverage scenarios for ten pathogens: hepatitis B virus, Haemophilus influenzae type B, human papillomavirus, Japanese encephalitis, measles, Neisseria meningitidis serogroup A, Streptococcus pneumoniae, rotavirus, rubella, and yellow fever. Using standardised demographic data and vaccine coverage, the impact of vaccination programmes was determined by comparing model estimates from a no-vaccination counterfactual scenario with those from a reported and projected vaccination scenario. We present deaths and DALYs averted between 2000 and 2030 by calendar year and by annual birth cohort. FINDINGS: We estimate that vaccination of the ten selected pathogens will have averted 69 million (95% credible interval 52-88) deaths between 2000 and 2030, of which 37 million (30-48) were averted between 2000 and 2019. From 2000 to 2019, this represents a 45% (36-58) reduction in deaths compared with the counterfactual scenario of no vaccination. Most of this impact is concentrated in a reduction in mortality among children younger than 5 years (57% reduction [52-66]), most notably from measles. Over the lifetime of birth cohorts born between 2000 and 2030, we predict that 120 million (93-150) deaths will be averted by vaccination, of which 58 million (39-76) are due to measles vaccination and 38 million (25-52) are due to hepatitis B vaccination. We estimate that increases in vaccine coverage and introductions of additional vaccines will result in a 72% (59-81) reduction in lifetime mortality in the 2019 birth cohort. INTERPRETATION: Increases in vaccine coverage and the introduction of new vaccines into LMICs have had a major impact in reducing mortality. These public health gains are predicted to increase in coming decades if progress in increasing coverage is sustained. FUNDING: Gavi, the Vaccine Alliance and the Bill & Melinda Gates Foundation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».