Comparison of the public health impact of RSV disease prevention options for infants: a static decision model of the US birth cohort
Notice bibliographique
Résumé
BACKGROUND: In the U.S.A. three prophylactic interventions are approved for the prevention of respiratory syncytial virus (RSV) lower respiratory tract disease (LRTD) in infants: nirsevimab and clesrovimab (extended half-life monoclonal antibodies) and the maternal RSVpreF vaccine. We compared the impact of these interventions on RSV-LRTD events and costs versus the previous standard-of-practice (SoP; palivizumab-only strategy). RESEARCH DESIGN AND METHODS: Using a static decision-analytic model, we estimated the public health impact of nirsevimab, clesrovimab, and RSVpreF following the latest recommendations on RSV-related outcomes and costs in a US birth cohort during their first RSV season compared to the pre-2023 SoP. RESULTS: The model estimated that nirsevimab would avert 364,204 RSV-LRTDs including 32,404 hospitalizations, saving $1,289 million in direct and indirect costs. Depending on the assumed duration of protection, clesrovimab was estimated to avert 173,276-261,358 RSV-LRTDs of which 23,957-30,483 were hospitalizations, resulting in savings of $912-$1,150 million in total costs. RSVpreF maternal vaccination would avert 76,915 RSV-LRTDs including 9,649 hospitalizations, equating to $345 million in total cost savings. CONCLUSIONS: While all three interventions are estimated to reduce RSV-LRTD burden in infants, all-infant protection with nirsevimab was estimated to avert more events and associated medical costs for all infant subgroups compared to clesrovimab or RSVpreF.
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 | 0,003 |
| 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 | 0,000 | 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 ».