Evaluating COVID-19 vaccination policy in Québec (Canada) using a data-driven dynamic transmission model
Notice bibliographique
Résumé
During the COVID-19 pandemic, decision-makers had imperfect information and faced resource constraints (i.e., vaccine availability). Public health decisions at the time may not have been optimal for minimizing disease burden. Here, we perform counterfactual evaluations of the impact of various vaccination strategies in Québec (Canada) on the COVID-19 burden from March 2020 to November 2021. In particular, we evaluate the effect of alternative age-specific prioritization sequences of vaccine dose roll-out and assess the impacts of vaccine hesitancy. To achieve this, we develop and calibrate a deterministic, compartmental dynamic transmission model, stratified according to age, susceptibility to infection, viral variant, and outcome-specific immunity. The initial conditions and parameters of the model are obtained through a combination of population-based surveillance data and Approximate Bayesian Computation Sequential Monte Carlo (ABC-SMC) parameter estimation methods. Using our calibrated model, we find that the vaccination prioritization policies implemented at the start of the pandemic, where age groups at highest risk were sequentially prioritized, was only outperformed by prioritizing the vaccination of younger, more socially connected groups together with higher-risk individuals aged 50+ (3% fewer hospitalizations compared to the baseline strategy). These results hold when we account for vaccine hesitancy. Specifically, we generally observe the fewest hospitalizations for the optimal strategies at the highest uptake rates (i.e. with the least vaccine refusal). However, certain sub-optimal strategies show higher hospitalization rates for higher vaccine uptake as a result of reduced vaccine dose redistribution to more interconnected age groups. Overall, our findings illustrate how the impact of vaccination strategies depends on population factors (e.g. contact patterns, vaccine uptake, and degree of immunity), age-specific risk of severe disease and transmission dynamics. Understanding these dependencies are important for guiding future decision-making related to priority vaccine administration in the face of known and emerging pathogens and potential shortages of doses.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».