MétaCan
Menu
Retour à la cohorte
Enregistrement W3129671714 · doi:10.1101/2021.02.23.21252309

Vaccine Rollout Strategies: The Case for Vaccinating Essential Workers Early

2021· preprint· en· W3129671714 sur OpenAlexaffabout
Nicola Mulberry, Paul Tupper, Erin Kirwin, Christopher McCabe, Caroline Colijn

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensInstitute of Health EconomicsUniversity of AlbertaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésVaccinationCoronavirus disease 2019 (COVID-19)PandemicMedicineTransmission (telecommunications)PopulationMass vaccinationEnvironmental healthImmunologyDiseaseComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract In planning for upcoming mass vaccinations against COVID-19, many jurisdictions have proposed using primarily age-based rollout strategies, where the oldest are vaccinated first and the youngest last. In the wake of growing evidence that approved vaccines are effective at preventing not only adverse outcomes, but also infection (and hence transmission of SARS-CoV-2), we propose that such age-based rollouts are both less equitable and less effective than strategies that prioritize essential workers. We demonstrate that strategies that target essential workers earlier consistently outperform those that do not, and that prioritizing essential work-ers provides a significant level of indirect protection for older adults. This conclusion holds across numerous outcomes, including cases, hospitalizations, Long COVID, deaths and net monetary benefit, and over a range of possible values for the efficacy of vaccination against infection. Our analysis focuses on regimes where the pandemic continues to be controlled with distancing and other measures as vaccination proceeds, and where the vaccination strategy is expected to last for over the coming 6-8 months — for example British Columbia, Canada. In such a setting with a total population of 5M, vaccinating essential workers sooner is expected to prevent over 200,000 infections, over 600 deaths, and to produce a net monetary benefit of over $500M.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,176
Tête enseignante GPT0,426
Écart entre enseignants0,250 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations35
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCOVID-19 epidemiological studiesTravaux en français237 207