MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417152214 · doi:10.64898/2025.12.01.25341380

Modeling the Cost-Effectiveness of the Next-Generation COVID-19 mRNA-1283 vaccine in the United States

2025· article· W4417152214 sur OpenAlexaff
Kelly Fust, Michele Kohli, Keya Joshi, Shannon Cartier, Amy Lee, Nicolas Van de Velde, Milton C. Weinstein

Notice bibliographique

RevuemedRxiv · 2025
Typearticle
Langue
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensQUAD Engineering (Canada)
Organismes subventionnairesnon disponible
Mots-clésVaccinationLiberian dollarCost–benefit analysisRelative riskIncidence (geometry)Vaccine efficacyRandomized controlled trialCost effectiveness

Résumé

récupéré en direct d'OpenAlex

Abstract Aims COVID-19 disease burden in United States (US) adults ≥65 years and persons with underlying medical conditions remains high. This modeling study estimates the cost-effectiveness of the next-generation COVID-19 mRNA-1283 vaccine in those ages 12-64 at high-risk of severe COVID-19 outcomes and all adults ≥65 years. Methods mRNA-1283 was compared to no annual vaccination and originally licensed mRNA vaccines mRNA-1273 and BNT162b2. Analyses were conducted using a static decision-analytic model (1-year horizon). Vaccine effectiveness (VE) against infection and hospitalization for mRNA-1283 versus no vaccination was based on relative VE (rVE) from the Phase 3 pivotal randomized controlled trial comparing mRNA-1283 against mRNA-1273 and mRNA-1273 real-world data. rVE estimates for mRNA-1283 versus BNT162b2 were based on an indirect treatment comparison. The societal incremental cost per quality-adjusted life-year (QALY) gained and the benefit cost ratio (BCR) were calculated. Results During the 2025/2026 season, a single dose of mRNA-1283 was estimated to yield an incremental cost per QALY gained of $16,241 compared to no vaccine. The BCR for the base case strategy ranged from 2.16-9.74 USD returned for one dollar spent for mRNA-1283. mRNA-1283 was shown to dominate originally licensed COVID-19 vaccines in analyses of the target population. Results are sensitive to COVID-19 incidence, hospitalization rates, post-discharge mortality rates, and VE. Limitations The real-world effectiveness and safety of mRNA-1283 have not yet been established and relative VE estimates should be validated with real-world data. 2025/2026 COVID-19 incidence and vaccine uptake in the US is uncertain. Conclusions Study results suggest mRNA-1283 represents a highly cost-effective strategy (considering a $100,000-150,000 per QALY willingness-to-pay threshold) to reduce burden of COVID-19 among the target population. Given the finding of mRNA-1283 dominance in this population compared to originally approved mRNA vaccines, mRNA-1283 provides a valuable option to optimize US COVID-19 immunization programs and protect those most vulnerable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,138
Tête enseignante GPT0,395
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→