The potential economic impact of the updated COVID-19 mRNA fall 2023 vaccines in Japan
Notice bibliographique
Résumé
Abstract This analysis estimates the economic and clinical impact of a Moderna updated COVID-19 mRNA Fall 2023 vaccine for adults ≥18 years in Japan. A previously developed Susceptible-Exposed-Infected-Recovered (SEIR) model with a 1-year analytic time horizon (September 2023-August 2024) and consequences decision tree were used to estimate symptomatic infections, COVID-19–related hospitalizations, deaths, quality-adjusted life-years (QALYs), costs, and incremental cost-effectiveness ratio (ICER) for a Moderna updated Fall 2023 vaccine versus no additional vaccination, and versus a Pfizer-BioNTech updated mRNA Fall 2023 vaccine. The Moderna vaccine is predicted to prevent 7.2 million symptomatic infections, 272,100 hospitalizations and 25,600 COVID-19 related deaths versus no vaccine. In the base case (healthcare perspective), the ICER was ¥1,300,000/QALY gained ($9,400 USD/QALY gained). Sensitivity analyses suggest results are most affected by COVID-19 incidence, initial vaccine effectiveness (VE), and VE waning against infection. Assuming the relative VE between both bivalent vaccines apply to updated Fall 2023 vaccines, the base case suggests the Moderna version will prevent an additional 1,100,000 symptomatic infections, 27,100 hospitalizations, and 2,600 deaths compared to the Pfizer-BioNTech vaccine. The updated Moderna vaccine is expected to be highly cost-effective at a ¥5 million willingness-to-pay threshold across a wide range of scenarios.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».