MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399518692 · doi:10.1101/2024.06.10.24308663

Optimization of an adult immunization program in Canada

2024· preprint· en· W4399518692 sur OpenAlexaffabout
Nathan Locke, Mike Paulden, Shannon E. MacDonald, Stephanie Montesanti, Ashleigh R. Tuite, Karsten Hempel, Wade McDonald, Ellen Rafferty

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensPublic Health OntarioUniversity of TorontoPublic Health Agency of CanadaUniversity of SaskatchewanUniversity of AlbertaInstitute of Health Economics
Organismes subventionnairesnon disponible
Mots-clésImmunizationPortfolioPopulationBudget constraintHealth careMedicineActuarial scienceBusinessEconomicsEnvironmental healthFinanceImmunologyEconomic growthMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Background Provincial decisions to fund a new immunization program are generally made on a case-by-case basis, without systematic consideration of how the new immunization program may fit within the larger provincial immunization portfolio. Aim The goal of this study was to develop evidence and tools to guide policy-makers in making fiscally and ethically responsible decisions on which adult immunization programs to include in their portfolio under various constrained budgetary scenarios. Methods Using previously published infectious disease models, cost-utility data was estimated for adult pneumococcal, influenza, pertussis, and shingles immunization programs. This data was then inputted into a newly developed constrained optimization model to determine portfolios of immunization programs that maximize either population health or incremental net monetary benefit, subject to a budget constraint. Sensitivity analyses were conducted on model parameters such as vaccine costs, cost-effectiveness thresholds, and the budget constraint. Results Optimized solutions changed dramatically based on the number of immunization programs included, total budget, what was optimized for (i.e., population health or incremental net monetary benefit), the cost-effectiveness threshold and the assumed vaccine prices. Maximal health gains and budget spending was achieved when optimizing based on population health. Reductions in health gains and budget spending were observed at a CAN$50,000 cost-effectiveness threshold, and at a CAN$30,000 threshold, the budget was significantly underutilized and health gains were noticeably reduced. Conclusion If budgets for the adult immunization portfolio are fixed, then shifting to more expensive programs that offer large health benefits may be preferable. However, if budgets can be spread across various public health programs (i.e., childhood immunization, well-baby programs), it may make more sense to optimize based on cost-effectiveness. Constrained optimization tools could improve goals-based decision-making and allow for transparent and effective methods to make allocation decisions. Highlights Optimized solutions changed dramatically based on the number of immunization programs available, total budget, and the cost-effectiveness threshold. If budgets for the adult immunization portfolio are fixed, then shifting to more expensive programs that offer large health benefits may be preferable. If budgets can be spread across various public health programs, it may make more sense to optimize based on cost-effectiveness. Constrained optimization tools could improve goals-based decision-making and allow for transparent and effective methods to make allocation decisions.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,256

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,014
Tête enseignante GPT0,289
Écart entre enseignants0,275 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→