Lives saved and hospitalizations averted by COVID-19 vaccination in New York City: a modeling study
Notice bibliographique
Résumé
BACKGROUND: Following the start of COVID-19 vaccination in New York City (NYC), cases have declined over 10-fold from the outbreak peak in January 2020, despite the emergence of highly transmissible variants. We evaluated the impact of NYC's vaccination campaign on saving lives as well as averting hospitalizations and cases. METHODS: We used an age-stratified agent-based model of COVID-19 to include transmission dynamics of Alpha, Gamma, Delta and Iota variants as identified in NYC. The model was calibrated and fitted to reported incidence in NYC, accounting for the relative transmissibility of each variant and vaccination rollout data. We simulated COVID-19 outbreak in NYC under the counterfactual scenario of no vaccination and compared the resulting disease burden with the number of cases, hospitalizations and deaths reported under the actual pace of vaccination. FINDINGS: We found that without vaccination, there would have been a spring-wave of COVID-19 in NYC due to the spread of Alpha and Delta variants. The COVID-19 vaccination campaign in NYC prevented such a wave, and averted 290,467 (95% CrI: 232,551 - 342,664) cases, 48,076 (95% CrI: 42,264 - 53,301) hospitalizations, and 8,508 (95% CrI: 7,374 - 9,543) deaths from December 14, 2020 to July 15, 2021. INTERPRETATION: As the Delta variant sweeps predominantly among unvaccinated individuals, our findings underscore the urgent need to accelerate vaccine uptake and close the vaccination coverage gaps. FUNDING: This study was supported by The Commonwealth Fund.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».