Nirsevimab effectiveness, number needed to immunize and impact on severe RSV outcomes in preterm, high-risk and healthy-term infants, Quebec, Canada
Notice bibliographique
Résumé
ABSTRACT Background During the 2024-25 season, a universal infant nirsevimab program was publicly funded in Quebec, Canada. We estimated effectiveness, number-needed-to-immunize (NNI) and impact against severe respiratory syncytial virus (RSV) outcomes. Methods We conducted a test-negative study among nirsevimab-eligible children RSV-tested during ER consultation or hospitalization between October 1 st , 2024 and March 3 st , 2025. Eligible children were healthy-term and born during the RSV season (at-birth group) or <6 months old on October 1 st (catch-up group), preterm, with high-risk conditions or living in remote regions. We estimated adjusted effectiveness by eligible group and further used 2023-24 respiratory hospitalization rates, RSV-positivity from a systematic hospital-based surveillance network, and coverage estimates to derive the NNI and tally of averted hospitalizations and ICU admissions. Results Effectiveness analyses included 3,172 ER consultations (668 RSV-positive) and 1,758 hospitalizations (549 RSV-positive). Nirsevimab effectiveness against ER consultation, hospitalization and ICU admission was 86% (95%CI:82-90), 89% (95%CI:84-92) and 88% (95%CI:58-97), respectively. Effectiveness exceeded 80% for all eligible groups. We estimate 41 at-birth and 58 catch-up immunizations needed to avert one RSV-associated hospitalization between October and March. Applying Quebec catch-up coverage (64%) and timing (November launch), we estimate more than half of RSV-associated hospitalizations and ICU admissions were prevented, potentially increasing to more than three-quarters if catch-up coverage reached 90% by October 1 st . Conclusions Nirsevimab is highly effective and could more substantially impact the overall burden of RSV hospitalization and ICU admission through broad and timely administration to healthy-term and high-risk infants. To inform optimal nirsevimab timing, the durability of late-season protection warrants further investigation.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».