Economic Evaluation of Evusheld for Preexposure Prevention of COVID-19 in High-Risk Populations: Early Evidence from Thailand
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The introduction of Coronavirus disease 2019 (COVID-19) vaccines urged all Thais to seek prevention of serious illness and death from COVID-19. However, immunocompromised individuals might not be able to achieve an efficient immune response from these vaccines. This study aimed to evaluate the cost-effectiveness and budget impact of introducing Evusheld (tixagevimab plus cilgavimab) for three patient groups-organ transplant, autoimmune disease, and dialysis patients, from the Thai government perspective. METHODS: A Markov decision model was developed to compare the use of Evusheld plus COVID-19 vaccines versus COVID-19 vaccines alone. The methodology followed the National HTA Guidelines of Thailand. Model input parameters were collected locally from retrospective data and from a literature review. RESULTS: Evusheld helped prevent COVID-19 infection, severe infection, and death in all three patient groups. Using the Thai threshold of 160,000 Thai Baht (THB) per quality-adjusted life year (QALY) gained, the only scenario found to be cost-effective was that of dialysis patients with inadequate immune response, with an incremental cost-effectiveness ratio (ICER) of 54,700 THB per QALY gained. To make a policy of Evusheld provision cost-effective in other groups, the price of Evusheld had to be lower (a reduction of 44-88% of its current price). The results of one-way sensitivity analysis indicated that the cost-effectiveness of Evusheld was sensitive to changes in the rate of infection, cost and efficacy of Evusheld, proportion of inadequate immune responses, and the probability of moving from a 'recovered' to 'susceptible' status. CONCLUSION: Among three COVID-19-vaccinated immunocompromised patient populations, this study concluded that Evusheld was cost-effective for dialysis patients with inadequate immune response to the COVID-19 vaccine.
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 | 0,009 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».