Economic evaluation of whole genome sequencing for pathogen identification and surveillance – results of case studies in Europe and the Americas 2016 to 2019
Notice bibliographique
Résumé
Background Whole genome sequencing (WGS) is increasingly used for pathogen identification and surveillance. Aim We evaluated costs and benefits of routine WGS through case studies at eight reference laboratories in Europe and the Americas which conduct pathogen surveillance for avian influenza (two laboratories), human influenza (one laboratory) and food-borne pathogens (five laboratories). Methods The evaluation focused on the institutional perspective, i.e. the ‘investment case’ for implementing WGS compared with conventional methods, based on costs and benefits during a defined reference period, mostly covering at least part of 2017. A break-even analysis estimated the number of cases of illness (for the example of Salmonella surveillance) that would need to be avoided through WGS in order to ‘break even’ on costs. Results On a per-sample basis, WGS was between 1.2 and 4.3 times more expensive than routine conventional methods. However, WGS brought major benefits for pathogen identification and surveillance, substantially changing laboratory workflows, analytical processes and outbreaks detection and control. Between 0.2% and 1.1% (on average 0.7%) of reported salmonellosis cases would need to be prevented to break even with respect to the additional costs of WGS. Conclusions Even at cost levels documented here, WGS provides a level of additional information that more than balances the additional costs if used effectively. The substantial cost differences for WGS between reference laboratories were due to economies of scale, degree of automation, sequencing technology used and institutional discounts for equipment and consumables, as well as the extent to which sequencers are used at full capacity.
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 | 0,029 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».