'It takes two to tango': Bridging the gap between country need and vaccine product innovation
Notice bibliographique
Résumé
Despite a growing global commitment to universal health coverage, considerable vaccine coverage and uptake gaps persist in resource-constrained settings. One way of addressing the gaps is by ensuring product innovation is relevant and responsive to the needs of these contexts. Total Systems Effectiveness (TSE) framework has been developed to characterize preferred vaccine attributes from the perspective of country decision-makers to inform research and development (R&D) of products. A proof of concept pilot study took place in Thailand in 2018 to examine the feasibility and usefulness of the TSE approach using a rotavirus hypothetical test-case.The excel-based model used multiple-criteria decision analysis (MCDA) to compare and evaluate five hypothetical rotavirus vaccine products. The model was populated with local data and products were ranked against decision criteria identified by Thai stakeholders. A one-way sensitivity analysis was performed to identify criteria that influenced vaccine ranking. Self-assessment forms were distributed to R&D stakeholders on the usability of the approach and were subsequently analysed.The model identified significant parameters that impacted on MCDA rankings. Self-assessment forms revealed that TSE was perceived as being able to encourage closer collaboration between country decision makers and vaccine developers.The pilot study demonstrates that it is feasible to use an MCDA approach to elicit stakeholder preferences and determine influential parameters to help identify the preferred product characteristics for R&D from the perspective of country decision-makers. It found that TSE can help steer manufacturers to develop products that are better aligned with country need. Findings will guide further development of the TSE concept.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».