MétaCan
Menu
Retour à la cohorte
Enregistrement W4210279874 · doi:10.1101/2022.01.26.22269877

The impacts of increased global vaccine sharing on the COVID-19 pandemic; a retrospective modelling study

2022· preprint· en· W4210279874 sur OpenAlexaboutno aff
Sam Moore, Edward M. Hill, Louise Dyson, Michael J. Tildesley, Matt J. Keeling

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicBooster (rocketry)Coronavirus disease 2019 (COVID-19)Vaccine efficacyVaccinationMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)DemographyEnvironmental healthBusinessVirologyInfectious disease (medical specialty)DiseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

Summary Background The SARS-CoV-2 pandemic has generated considerable morbidity and mortality world-wide. While the protection offered by vaccines (and booster doses) offers a method of mitigating the worst effects, by the end of 2021 the distribution of vaccine was highly heterogeneous with some countries achieving over 90% coverage in adults by the end of 2021, while others have less than 2%. In part, this is due to the availability of sufficient vaccine, although vaccine hesitancy also plays a role. Methods We use an age-structured model of SARS-CoV-2 dynamics, matched to national data from 152 countries, to investigate the global impact of different vaccine sharing protocols during 2021. We assume a direct relationship between the emergence of variants with increased transmissibility and the cumulative amount of global infection, such that lower global prevalence leads to a lower reproductive number within each country. We compare five vaccine sharing scenarios, from the current situation, through sharing once a particular within-country threshold is reached (e.g. all over 40s have received 2 doses), to full sharing where all countries achieve equal age-dependent vaccine deployment. Findings Compared to the observed distribution of vaccine uptake, we estimate full vaccine sharing would have generated a 1.5% (PI -0.1 - 4.5%) reduction in infections and a 11.3% (PI 0.6 - 23.2%) reduction in mortality globally by January 2022. The greatest benefit of vaccine sharing would have been experienced by low and middle income countries, who see an average 5.2% (PI 2.5% - 10.4%) infection reduction and 26.8% (PI 24.1% - 31.3%) mortality reduction. Many high income countries, that have had high vaccine uptake (most notably Canada, Chile, UK and USA), suffer increased infections and mortality under most of the sharing protocols investigated, assuming no other counter measures had been taken. However, if reductions in vaccine supply in these countries had been offset by prolonged use of non-pharmaceutical intervention measures, we predict far greater reductions in global infection and mortality of 64.5% (PI 62.6% - 65.4%) and 62.8% (PI 44.0% - 76.3%), respectively. Interpretation By itself, our results suggest that although more equitable vaccine distribution would have had limited impact on overall infection numbers, vaccine sharing would have substantially reduced global mortality by providing earlier protection of the most vulnerable. If increased vaccine sharing from high income nations had been combined with slower easing of non pharmaceutical interventions to compensate for this, a large reduction in both infection and mortality globally would be expected, confounded by a lower risk of new variants arising.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,080
Tête enseignante GPT0,363
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetVaccine Coverage and HesitancyTravaux en français237 207