Modelling the Economic Impact of lnfluenza Vaccine Programs with the Cell-Based Quadrivalent Influenza Vaccine and Adjuvanted Trivalent Influenza Vaccine in Canada
Notice bibliographique
Résumé
In Canada, approximately 12,000 people annually are hospitalized with influenza. While vaccination is the most effective method for reducing the burden of seasonal influenza, the propagation of vaccine virus strains in eggs can result in egg adaption, resulting in reduced antigenic similarity to circulating strains and thus lower vaccine effectiveness (VE). Cell-based propagation methods avoid these alterations and therefore may be more effective than egg-propagation vaccines. We evaluated three different scenarios: (1) egg-based quadrivalent influenza vaccine (QIVe) for individuals <65 years and adjuvanted trivalent influenza vaccine (aTIV) for ≥65 years; (2) QIVe (<65 years) and high-dose QIV (HD −; QIV; ≥65 years); and (3) cell-based derived QIV (QIVc; <65 years) and aTIV (≥65 years) compared with a baseline scenario of QIVe for all age groups. Modelling was performed using a dynamic age-structured SEIR model, which assessed each strain individually using data from the 2012−2019 seasons. Probabilistic sensitivity analysis assessed the robustness of the results with respect to variation in absolute VE, relative VE, number of egg-adapted seasons, and economic parameters. QIVe + aTIV was cost-saving compared with the baseline scenario (QIVe for all), and QIVe + HD − QIV was not cost-effective in the majority of simulations, reflecting the high acquisition cost of HD − QIV. Overall, while the incremental benefits may vary by influenza season, QIVc + aTIV resulted in the greatest reductions in cases, hospitalizations, and mortality, and was cost-effective (ICER < CAD 50,000) in all simulations.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».