MétaCan
Menu
Retour à la cohorte
Enregistrement W4388594106 · doi:10.1101/2023.11.10.23298369

Clinical and Economic impact of updated Fall 2023 COVID-19 vaccines in the Immunocompromised Population in Canada

2023· preprint· en· W4388594106 sur OpenAlexaffabout
Amy S. Lee, Kavisha Jayasundara, Michele Kohli, Michael Maschio, Kelly Fust, Keya Joshi, Nicolas Van de Velde, Ekkehard Beck

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensQUAD Engineering (Canada)
Organismes subventionnairesModerna
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Incidence (geometry)PopulationDemographyEconomic impact analysisVaccinationSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PediatricsInternal medicineImmunologyEnvironmental healthDisease

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background Immunocompromised (IC) individuals are at increased risk of COVID-19 infection-related severe outcomes. Moderna and Pfizer-BioNTech COVID-19 mRNA vaccines are available in Canada, and differences in vaccine effectiveness (VE) have been found between the two in IC individuals. The objective of this analysis was to compare the clinical and economic impact of a Moderna XBB.1.5 updated COVID-19 mRNA Fall 2023 vaccine to a Pfizer-BioNTech XBB.1.5 updated COVID-19 mRNA Fall 2023 vaccine in Canadian IC individuals aged ≥18 years. Methods A static decision-analytic model estimated the number of COVID-19 infections, hospitalizations, deaths, and resulting quality-adjusted life years (QALYs) over a one-year time horizon (September 2023-August 2024) in the Canadian IC adult population (n=894,580). Costs associated with COVID-19 infection were estimated from health care and societal perspectives. The predicted VE of the updated Moderna vaccine was based on prior variant versions, which were well-matched to the circulating variant. Pfizer-BioNTech VE was calculated based on a meta-analysis of comparative effectiveness between both vaccines (relative risk for Moderna vaccine: infection=0.85 [95%CI 0.75-0.97], hospitalization=0.88 [95%CI 0.79-0.97]). The model combined VE estimates with COVID-19 incidence and probability of COVID-19 related severe outcomes. Sensitivity analyses tested the impact of uncertainty surrounding incidence, hospitalization and mortality rates, costs, and QALYs. Results Given the expected higher VE against infection and hospitalizations with the Moderna Fall 2023 vaccine, its use is predicted to prevent an additional 2,411 infections (3.6%), 275 hospitalizations (3.7%), and 47 deaths (4.0%) compared to the Pfizer-BioNTech Fall 2023 vaccine, resulting in 330 QALYs gained, and savings of $7.4M in infection treatment costs, and $0.9M in productivity loss costs. Results were most sensitive to variations in VE parameters, specifically the relative risk of infection and hospitalizations between the vaccines, and waning rates. Conclusions If the Moderna and Pfizer-BioNTech Fall 2023 vaccines protect against infection and hospitalizations similar to previous vaccines, using the Moderna Fall 2023 vaccine would result in substantial public health benefits in IC individuals, as well as provide health care and societal cost savings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,505

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,417
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207