Quantifying the economic gains associated with COVID-19 vaccination in the Canadian population: A cost-benefit analysis
Notice bibliographique
Résumé
Background: Vaccination has been a key part of Canada's coronavirus disease 2019 (COVID-19) pandemic response. Although the clinical benefits of vaccination are clear, an understanding of the population-level benefits of vaccination relative to the programmatic costs is of value. The objective of this article is to quantify the economic impact of COVID-19 vaccination in the Canadian population between December 2020 and March 2022. Methods: We conducted a model-based cost-benefit analysis of Canada's COVID-19 vaccination program. We used an epidemiological model to estimate the number of COVID-19 symptomatic cases, hospitalizations, post-COVID condition (PCC) cases, and deaths in the presence and absence of vaccination. Median, lower and upper 95% credible interval (95% CrI) outcome values from 100 model simulations were used to estimate the direct and indirect costs of illness, including the value of health. We used a societal perspective and a 1.5% discount rate. Results: We estimated that the costs of the vaccination program were far outweighed by the savings associated with averted infections and associated downstream consequences. Vaccination increased the net benefit by CAD $298.1 billion (95% CrI: 27.2-494.6) compared to the no vaccination counterfactual. The largest benefits were due to averted premature mortality, resulting in an estimated $222.0 billion (95% CrI: 31.2-379.0) benefit. Conclusion: Our model-based economic evaluation provides a retrospective assessment of COVID-19 vaccination during the first 16 months of the program in Canada and suggests that it was welfare-improving, considering the decreased hospitalizations and use of healthcare resources, deaths averted and lower morbidity from conditions such as PCC.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».