Public health impact and return on investment of the pediatric National Immunization Program in Italy
Notice bibliographique
Résumé
Objectives We conducted a cost-benefit analysis of the pediatric National Immunization Program (NIP) in Italy.Methods An economic model evaluated the benefit-cost ratio (BCR) of the Italian pediatric NIP, including 10 pathogens for mandatory vaccines and 4 pathogens for recommended vaccines for children aged 0-10 years from the healthcare-sector and societal perspectives. Separate decision trees were used to model each vaccine-preventable disease (VPD). The 2020 birth cohort (n = 420,084) was followed over their lifetime; the model projected and compared discounted disease cases, life-years, quality-adjusted life-years (QALYs), and costs (2021 euros) with and without immunization (based on current and pre – vaccine era disease incidence estimates, respectively).Results The pediatric NIP was estimated to prevent 1.8 million cases of VPDs and 3,330 deaths, resulting in 45,900 fewer life-years lost and 57,000 fewer QALYs lost. Vaccination costs of €285 million were offset by disease cost savings of €1.6 billion, resulting in a BCR of 5.6 from a societal perspective (BCR = 1.7 from a healthcare-sector perspective). When QALYs gained were valued, the BCR increased to 15.6.Conclusions The benefits of the Italian pediatric NIP, including averted disease-related morbidity, mortality, and associated costs, highlight the value of continued investment in pediatric immunization.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».