The herd-immunity threshold must be updated for multi-vaccine strategies and multiple variants
Notice bibliographique
Résumé
Several vaccines with different efficacies and effectivenesses are currently being distributed across the world to control the COVID-19 pandemic. Having enough doses from the most efficient vaccines in a short time is not possible for all countries. Hence, policymakers may propose using various combinations of available vaccines to control the pandemic with vaccine-induced herd immunity by vaccinating a fraction of the population. The classic vaccine-induced herd-immunity threshold suggests that we can stop spreading the disease by vaccinating a fraction of the population. However, that classic threshold is defined only for a single vaccine and may be invalid and biased when we have multi-vaccine strategies for a disease or multiple variants, potentially leading policymakers to suboptimal vaccine-allocation policies. Here, we determine which combination of multiple vaccines may lead to herd immunity. We show that simplifying the problem and considering the vaccination of the population as a single-vaccine strategy whose effectiveness is the sample mean of all effectivenesses would not be ideal, because many multi-vaccine strategies with a smaller herd-immunity threshold can be proposed. We show that the herd-immunity threshold may vary due to changes in vaccine-uptake proportions. Moreover, we propose methods to determine the optimal combination of multiple vaccines in order to achieve herd immunity and apply our results to the issue of multiple variants. In addition, we determine a condition for reaching herd immunity in the presence of new emerging variants of concern. We show by example that new variants could influence our estimation of the vaccination reproduction number. It follows that the herd-immunity threshold must be updated not only when multi-vaccine strategies are used but also when multiple variants coexist in the population.
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 | 0,003 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».