Modelled Optimization of SARS-Cov-2 Vaccine Distribution: an Evaluation of Second Dose Deferral Spacing of 6, 12, and 24 weeks
Notice bibliographique
Résumé
Abstract Background Multiple recent studies have shown strong first dose vaccine efficacy for both Moderna mRNA-1273 and Pfizer/BioNTech BNT 162b2, which has stimulated discussion of maximizing initial population immunity during a time of vaccine shortage by using a deferred second dose strategy for these vaccines. Methods Our model examines the size of the effect of spacing of the second dose with 6, 12, and 24 week deferred spacing regimens relative to 3 week spacing. Results Deferring the second dose from 3 weeks to 6 weeks, 12 weeks, and 24 weeks shows progressive benefit to population immunity for any given time period, even with significant one dose efficacy decay. The benefits are influenced by vaccine supply per capita. Conclusion The longer the second dose is deferred the larger the benefit in initial population immunity, provided one dose efficacy does not significantly wane. Monitoring one dose efficacy duration from the UK or Quebec minimizes this risk, as the gathered data will help ensure the second dose is given at an optimal time. How this information is implemented should vary depending on the population and whether the goal is to optimally protect high risk groups or to increase total population immunity as quickly as possible. Benefits to deferring the second dose are influenced by the length of deferral, one dose efficacy, and vaccine supply per capita. The time to herd immunity could be shortened by 4 weeks with the implementation of a 12 week spacing regimen or 10 weeks with a 24 week spacing regimen.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».