MétaCan
Menu
Retour à la cohorte
Enregistrement W4403245647 · doi:10.1016/s2214-109x(24)00384-x

Modelling vaccination approaches for mpox containment and mitigation in the Democratic Republic of the Congo

2024· article· en· W4403245647 sur OpenAlexafffundabout
Alexandra Savinkina, Jason Kindrachuk, Isaac I. Bogoch, Anne W. Rimoin, Nicole A. Hoff, Souradet Y. Shaw, Virginia E. Pitzer, Placide Mbala‐Kingebeni, Gregg Gonsalves

Notice bibliographique

RevueThe Lancet Global Health · 2024
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiquePoxvirus research and outbreaks
Établissements canadiensUniversity of TorontoUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health ResearchDefense Threat Reduction AgencyGlobal Affairs CanadaU.S. Department of Agriculture
Mots-clésVaccinationDemocracyContainment (computer programming)Political scienceEnvironmental healthDevelopment economicsMedicineVirologyComputer sciencePoliticsEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mpox was first identified in the Democratic Republic of the Congo (DRC) in 1970. In 2023, a historic outbreak of mpox occurred in the country, continuing into 2024. Over 14 000 cases and 600 deaths were reported in 2023 alone, representing a major increase from previous outbreaks. The modified vaccinia Ankara vaccine (brand names JYNNEOS, Imvamune, and Imvanex) was used in the 2022 mpox outbreak in the USA and Europe. However, at the time of the study, vaccination had not been made available in the DRC. We aimed to inform policy and decision makers on the potential benefits of, and resources needed, for mpox vaccination campaigns in the DRC by providing counterfactual scenarios evaluating the short-term effects of various vaccination strategies on mpox cases and deaths, if such a vaccination campaign had been undertaken before the 2023-24 outbreak. METHODS: A dynamic transmission model was used to simulate mpox transmission in the DRC, stratified by age (<5, 5-15, and >15 years) and province. The model was used to simulate potential vaccination strategies, varying by age and region (endemic provinces, non-endemic provinces with historic cases, and all provinces) assessing the effect the strategies would have on deaths and cases in an epidemic year similar to 2023. In addition, we estimated the number of vaccine doses needed to implement each strategy. FINDINGS: Without vaccination, our model predicted 14 700 cases and 700 deaths from mpox over 365 days. Vaccinating 80% of all children younger than 5 years in endemic regions led to a 27% overall reduction in cases and a 43% reduction in deaths, requiring 10·5 million vaccine doses. Vaccinating 80% of all children younger than 5 years in all regions led to a 29% reduction in cases and a 43% reduction in deaths, requiring 33·1 million doses. Vaccinating 80% of children aged 15 years or younger in endemic provinces led to a 54% reduction in cases and a 71% reduction in deaths, requiring 26·6 million doses. INTERPRETATION: When resources are limited, vaccinating children aged 15 years or younger, or younger than 5 years, in endemic regions of the DRC would be the most efficient use of vaccines. Further research is needed to explore long-term effects of a one-time or recurrent vaccination campaign. FUNDING: Canadian Institutes of Health Research, Canadian International Development Research Centre, US Department of Defense (Defense Threat Reduction Agency, Mpox Threat Reduction Network), Global Affairs Canada (Weapons Threat Reduction Program), US Department for Agriculture (Agriculture Research Service, Non-Assistance Cooperative Agreement).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,292
Score d'incertitude au seuil0,121

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,071
Tête enseignante GPT0,341
Écart entre enseignants0,271 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations25
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Lancet Global HealthMême sujetPoxvirus research and outbreaksTravaux en français237 207