Impact and cost-effectiveness of measles vaccination through microarray patches in 70 low-income and middle-income countries: mathematical modelling and early-stage economic evaluation
Notice bibliographique
Résumé
BACKGROUND: Microarray patches (MAPs) are a promising technology being developed to reduce barriers to vaccine delivery based on needles and syringes (N&S). To address the evidence gap on the public health value of applying this potential technology to immunisation programmes, we evaluated the health impact on measles burden and cost-effectiveness of introducing measles-rubella MAPs (MR-MAPs) in 70 low-income and middle-income countries (LMICs). METHODS: We used an age-structured dynamic model of measles transmission and vaccination to project measles cases, deaths and disability-adjusted life-years during 2030-2040. Compared with the baseline scenarios with continuing current N&S-based practice, we evaluated the introduction of MR-MAPs under different measles vaccine coverage projections and MR-MAP introduction strategies. Costs were calculated based on the ingredients approach, including direct cost of measles treatment, vaccine procurement and vaccine delivery. Model-based burden and cost estimates were derived for individual countries and country income groups. We compared the incremental cost-effectiveness ratios of introducing MR-MAPs to health opportunity costs. RESULTS: MR-MAP introduction could prevent 27%-37% of measles burden between 2030 and 2040 in 70 LMICs, compared with the N&S-only immunisation strategy. The largest health impact could be achieved under lower coverage projection and accelerated introduction strategy, with 39 million measles cases averted. Measles treatment cost is a key driver of the net cost of introduction. In countries with a relatively higher income, introducing MR-MAPs could be a cost-saving intervention due to reduced treatment costs. Compared with country-specific health opportunity costs, introducing MR-MAPs would be cost-effective in 16%-81% of LMICs, depending on the MR-MAPs procurement prices and vaccine coverage projections. CONCLUSIONS: Introducing MR-MAPs in LMICs can be a cost-effective strategy to revitalise measles immunisation programmes with stagnant uptake and reach undervaccinated children. Sustainable introduction and uptake of MR-MAPs has the potential to improve vaccine equity within and between countries and accelerate progress towards measles elimination.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».