The Potential Clinical and Economic Impact of the Next-Generation COVID-19 mRNA-1283 Vaccine in Canada
Notice bibliographique
Résumé
Abstract Background With continued high disease burden observed in vulnerable groups and fiscal responsibility shifting to Canada’s jurisdictions, assessing the economic value of COVID-19 vaccines is critical for optimizing COVID-19 prevention. This study estimated the public health impact and economically justifiable price (EJP) of Moderna’s next-generation COVID-19 vaccine (mRNA-1283) versus no vaccination in Canada, and relative to currently authorized COVID-19 vaccines (mRNA-1273; BNT-162b2). Methods The target population included individuals aged ≥65 years and 12-64 years at high-risk of severe COVID-19 outcomes, consistent with 2025/2026 national guidelines. Analyses were conducted using a static decision-analytic model (1-year horizon) from a publicly funded healthcare payer perspective. Vaccine efficacy against infection and hospitalization for mRNA-1283 versus no 2024/2025 vaccination was based on mRNA-1283’s pivotal trial and mRNA-1273 real-world data. Clinical outcomes included symptomatic infections, hospitalizations, deaths, and number needed to vaccinate (NNV); economic outcomes included total costs, quality-adjusted life-years (QALY), and EJP at a $50,000/QALY willingness-to-pay threshold. Sensitivity analyses were performed. Results Compared to no vaccine, annual vaccination with mRNA-1283 prevented 288,912 symptomatic infections (NNV=15), 11,710 hospitalizations (NNV=364), and 2,194 deaths (NNV=1,944). The EJP for mRNA-1283 was $325 ($230-$771 in scenario analyses). Semi-annual dosing for those ≥65 years or ≥80 years averted additional hospitalizations and deaths compared to annual vaccination. mRNA-1283 prevented an additional 2,873-3,689 hospitalizations and 537-690 deaths compared to currently authorized vaccines. EJPs for mRNA-1283 were $78 and $103 when compared to mRNA-1273 and BNT162b2, respectively. Interpretation mRNA-1283 could reduce the COVID-19 clinical burden and provide economic value for the NACI-recommended population, exceeding current COVID-19 mRNA vaccines.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».