MétaCan
Menu
Retour à la cohorte
Enregistrement W4411257285 · doi:10.1001/jamanetworkopen.2025.15534

Cost-Utility Analysis of COVID-19 Vaccination Strategies for Endemic SARS-CoV-2

2025· article· en· W4411257285 sur OpenAlexaffabout
Rafael N. Miranda, Alison E. Simmons, Michael Li, Gebremedhin Beedemariam Gebretekle, Min Xi, Marina I. Salvadori, Bryna Warshawsky, Eva Wong, Raphael Ximenes, Melissa K. Andrew, Beate Sander, Davinder Singh, Sarah E. Wilson, Matthew Tunis, Ashleigh R. Tuite

Notice bibliographique

RevueJAMA Network Open · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity of ManitobaWestern UniversityInstitute for Clinical Evaluative SciencesMcGill UniversityMcMaster UniversityPublic Health OntarioToronto General HospitalUniversity Health NetworkDalhousie UniversityUniversity of TorontoPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakVirologyVaccinationMedicineBetacoronavirusCoronavirus InfectionsOutbreakInternal medicineDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Importance: With shifting epidemiology and changes in the vaccine funding landscape, resource use considerations for COVID-19 vaccination programs are increasingly important. Objective: To assess the cost effectiveness of COVID-19 vaccination programs, where eligibility is defined by combinations of age and chronic medical conditions, including a strategy similar to current Canadian recommendations. Design, Setting, and Participants: Static, individual-based, probabilistic cost-utility model economic evaluation parameterized with recent data describing COVID-19 epidemiology, vaccine characteristics, and costs. The analysis used a 15-month time horizon from July 2024 to September 2025 and a modeled cohort of 1 million people with characteristics based on the Canadian population, stratified by age group and presence or absence of at least 1 chronic medical condition. Exposure: Annual or biannual COVID-19 vaccination strategies offered to different age and medical risk groups, with annual vaccination occurring in October and November in the primary analysis. Main Outcomes and Measures: Medically attended SARS-CoV-2 infections treated in outpatient and inpatient settings, including post-COVID condition cases and deaths. Costs in 2023 Canadian dollars, quality-adjusted life years (QALYs), and incremental cost-effectiveness ratios (ICERs), discounted at 1.5% for the health system and societal perspectives. Results: Among 1 million simulated individuals, annual vaccination for adults aged 65 years and older consistently emerged as a cost-effective intervention, with ICERs less than CAD $50 000 per QALY compared with no vaccination for a range of model assumptions. Adding a second dose for adults aged 65 years and older or expanding programs to include vaccination for younger age groups, including those at higher risk of COVID-19 due to chronic medical conditions, generally resulted in ICERs greater than $50 000 per QALY. Shifting timing of vaccination programs to better align with periods of high COVID-19 case occurrence resulted in biannual vaccination for those aged 65 years and older being cost effective. Conclusions and Relevance: In this economic evaluation of COVID-19 vaccination strategies, programs were observed to be cost effective when focused on groups at higher risk of disease. Optimal timing of programs improved the cost effectiveness of vaccination strategies. As COVID-19 transitioned to an endemic disease with high levels of population immunity, many jurisdictions revisited COVID-19 vaccination recommendations; these results identified COVID-19 vaccination programs that may provide good value for money.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,468
Score d'incertitude au seuil0,737

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,125
Tête enseignante GPT0,453
Écart entre enseignants0,329 · 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'étudeObservationnel
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

Citations6
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207