Modelling the impact of a high-uptake bivalent booster scenario on the COVID-19 burden and healthcare costs in New York City
Notice bibliographique
Résumé
Background: Uptake of the COVID-19 bivalent booster vaccine (targeting the original SARS-CoV-2 strain and subvariants BA.4 and BA.5 of the Omicron variant) among eligible residents of New York City (NYC) has been modest and declining. Assessing the impact of improved population-level booster coverage with bivalent vaccines in NYC can help inform investment towards vaccination and potential cost-savings. Methods: We calibrated an agent-based model of disease transmission to confirmed and probable cases of COVID-19 in NYC and simulated it to project outcomes under two scenarios. In the base case scenario, we assumed that vaccination continued with the average daily rate of 92 vaccine doses per 100,000 administered during December 2022. In the counterfactual scenario, we modeled a high-uptake scenario between January 1, 2023 and March 31, 2023, with an average daily rate of 296 vaccine doses per 100,000 population that increased bivalent coverage in NYC to match the age-specific influenza vaccine coverage of the 2020-2021 season. Vaccination rate outside the campaign duration remained the same as the base case scenario. Findings: Compared to the base case, the high-uptake scenario averted 88,274 (95% Confidence Interval [CI]: 77,097-100,342) cases, and prevented 2,917 (95% CI: 2,557-3,267) hospitalizations between January 1 through the end of June 2023. Averted outcomes resulted in net savings of $217.2 (95% CI: 190.0-242.2) million in direct healthcare costs. We estimated that the high-uptake scenario would avert 72,879 (95% CI: 63,894-82,228) days of student absenteeism from schools due to COVID-19 illness. Interpretation: Our results illustrate the continued benefits of COVID-19 vaccines in preventing severe health outcomes, averting healthcare costs, and maintaining educational continuity in NYC. Funding: The Canadian Institutes of Health Research, The Natural Sciences and Engineering Research Council of Canada, NIH, Centers for Disease Control and Prevention (CDC), NSF, The Commonwealth Fund, and The Notsew Orm Sands Foundation.
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 | 0,002 | 0,006 |
| 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 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».