Modeling the effects of improving varicella vaccination coverage on clinical and economic outcomes in Peru
Notice bibliographique
Résumé
Despite the implementation of a single-dose universal varicella vaccination program in Peru since 2018, vaccination coverage rates (VCRs) remain low, with a VCR of 66% as of 2022. We employed a dynamic transmission model (DTM) to evaluate the impact of increasing varicella VCRs in Peru. We parameterized a previously published DTM with publicly available demographic, healthcare resource use, cost, and epidemiological data inputs specific to Peru (or suitable regional proxy), including Peruvian varicella VCRs up to 2022. We modeled six single-dose UVV strategies over 10 years (2023-2032) that increased VCRs to 80-90% over 1-, 2- or 5-year periods, compared with the reference strategy assuming the continuation of the current VCR of 65.6%. Clinical and economic outcomes were reported; economic outcomes were reported in 2023 USD with 5% annual discounting. Parameter uncertainty was evaluated through probabilistic and deterministic sensitivity analyses. All six strategies with increased VCR resulted in 13%-25% fewer varicella cases, and 13%-24% fewer outpatient and inpatient cases, over 10 years, compared to continuing the current varicella VCR, with shorter VCR ramp-up periods resulting in more clinical outcomes averted. However, this led to a 12%-21% ($0.05-0.08 per person per year) increase in costs from the payer perspective. The PSA indicated that model results were robust to parameter uncertainty. Increasing varicella VCR led to improved clinical outcomes, with small increase in costs. Improving VCR at faster rates leads to better clinical outcomes relative to the reference strategy at a small per-capita cost increase.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».