MétaCan
Menu
Retour à la cohorte
Enregistrement W4407842416 · doi:10.1186/s12916-025-03928-z

Cost-effectiveness of nirsevimab and maternal RSVpreF for preventing respiratory syncytial virus disease in infants across Canada

2025· article· en· W4407842416 sur OpenAlexaffabout
Shweta Mital, Hai V. Nguyen

Notice bibliographique

RevueBMC Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensUniversity of ManitobaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMedicinePalivizumabPediatricsCost effectivenessNeonatal intensive care unitHealth careQuality-adjusted life yearCost-effectiveness analysisCost–utility analysisRespiratory systemInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nirsevimab, a long-acting monoclonal antibody, and RSVpreF, a maternal vaccine, are newly approved respiratory syncytial virus (RSV) prophylactics for infants in Canada. Both have the potential to expand prevention efforts, but there is limited evidence regarding their cost-effectiveness and how it varies across the country, despite disparate hospitalisation rates and resource use among different populations. METHODS: We developed a decision tree model to follow twelve monthly birth cohorts through their first year of life, incorporating risk differentiation based on Canadian region, prematurity, and comorbidities. The model tracked medically attended infections, including hospitalisations, intensive care unit admissions, and outpatient visits, comparing costs (in 2024 Canadian dollars) and effectiveness (in quality-adjusted life years (QALYs)) of nine different immunisation strategies compared to no intervention. The analysis was conducted from both healthcare and societal perspectives. We conducted threshold price analyses, varying the price-per-dose of each product to determine the threshold prices at which expanded coverage becomes cost-effective. RESULTS: At base case prices, the optimal strategy varies by region, but in all cases, the optimal strategy is both cost-saving and more effective than no intervention. In southern Canada, it is optimal to immunise only palivizumab-eligible infants (those born very prematurely or with high-risk comorbidities) with nirsevimab, resulting in cost savings of $4.14 and QALY gains of 0.000022 QALY per infant compared to no intervention. In the Northwest Territories, it is best to expand protection with nirsevimab to include all preterm infants (cost savings of $28.68 and QALY gains of 0.00007 per infant). In Nunavik and Nunavut, immunising all infants under 6 months and all infants under twelve months with nirsevimab are the best strategies, respectively (cost savings of $399.61 and QALY gains of 0.000821 per infant in Nunavik, and cost savings of $1067.03 and QALY gains of 0.000884 per infant in Nunavut). Universal, country-wide immunisation with nirsevimab would require a price-per-dose of under $112 to become the most cost-effective prevention strategy. CONCLUSIONS: The optimal strategy for preventing respiratory syncytial virus disease in Canadian infants depends on product price and regional risk level and resource use. Canadian policy should account for these factors.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,082
Score d'incertitude au seuil0,597

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,082
Tête enseignante GPT0,441
Écart entre enseignants0,359 · 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

Citations12
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetRespiratory viral infections researchTravaux en français237 207