数据获取与人群划分
构建分析所需的人群队列，并定义年龄和疫苗接种状态等风险分层。
从加州公共卫生部获取2022年7月23日至2023年1月23日的COVID-19病例、住院、死亡和疫苗接种数据，按年龄（0-17、18-49、50-64、65-74、75-84、≥85岁）和疫苗接种状态（未接种、初级系列、加强1剂、加强≥2剂）划分人群。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
预测二价疫苗和奈玛特韦-利托那韦对2019冠状病毒病的公共卫生影响
Predicting the Public Health Impact of Bivalent Vaccines and Nirmatrelvir-Ritonavir Against Coronavirus Disease 2019
实验完整度
中研究使用真实世界监测数据构建准泊松回归模型，预测干预效果，并进行敏感性分析，但未开展体外或动物等实验验证，属于观察性建模研究。
主要模型
加利福尼亚州COVID-19病例队列（2022年7月23日至2023年1月23日）
重点核对
数据来源：加利福尼亚州公共卫生部（CDPH）的COVID-19病例、住院、死亡和疫苗接种数据（2022年7月23日至2023年1月23日） 疫苗接种状态分类：未接种、初级系列、加强1剂、加强≥2剂 干预覆盖率假设：基线基础上增加二价疫苗或奈玛特韦-利托那韦使用率至70% 疫苗效力来源：文献报道的二价疫苗对症状感染、住院和死亡的有效性估计 奈玛特韦-利托那韦效力来源：文献报道的住院和死亡有效性估计
摘要
背景：2019冠状病毒病（COVID-19）二价疫苗和口服药物奈玛特韦-利托那韦（Paxlovid）在美国的使用率仍然很低。评估在关键风险组中增加这些干预措施使用率的公共卫生影响，可以指导进一步的公共卫生资源和政策，并确定这些干预措施可避免的严重COVID-19的比例。方法：这项建模研究使用了加利福尼亚州公共卫生部2022年7月23日至2023年1月23日的COVID-19病例、住院、死亡和疫苗接种的个人层面数据。我们使用校准至近期历史数据的准泊松回归模型来预测未来的COVID-19结局，并模拟了在不同风险组中增加二价COVID-19疫苗和急性疾病期间奈玛特韦-利托那韦使用率（最高达70%）的影响。风险组按年龄（≥50、≥65、≥75岁）和疫苗接种状态（所有人、仅初级系列、既往已接种）定义。我们预测了避免的COVID-19病例、住院和死亡人数以及需治疗人数（NNT）。结果：模型预测，在符合条件的所有人中增加二价COVID-19加强剂和奈玛特韦-利托那韦的使用率（最高达70%）可分别避免估计15.7%（95%不确定区间[UI]，11.2%–20.7%；NNT：17310）和23.5%（95% UI，13.1%–30.0%；NNT：67）的COVID-19相关死亡总数。仅在≥65岁的高风险组中，增加二价加强剂和奈玛特韦-利托那韦的使用率可分别避免估计11.9%（95% UI，8.4%–15.1%；NNT：2757）和22.8%（95% UI，12.7%–29.2%；NNT：50）的COVID-19相关死亡总数。结论：这些发现表明，优先在老年年龄组（≥65岁）中增加二价加强剂和奈玛特韦-利托那韦的使用率将是最有效的（基于NNT），但不能解决严重COVID-19的全部负担。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 增加二价COVID-19疫苗和奈玛特韦-利托那韦在关键风险组中的使用率对COVID-19病例、住院和死亡的公共卫生影响如何？
- 核心机制
- 二价疫苗通过增强免疫保护减少感染和严重结局，奈玛特韦-利托那韦通过抗病毒治疗降低高危患者的住院和死亡风险。
- 主要证据
- 基于加州真实世界监测数据的准泊松回归模型预测，增加二价疫苗覆盖率至70%可避免估计15.7%的死亡（NNT 17310），增加奈玛特韦-利托那韦覆盖率至70%可避免23.5%的死亡（NNT 67），且年龄≥65岁组优先策略的NNT更低。
- 研究意义
- 研究为公共卫生政策制定者提供了在加利福尼亚州优先推广二价疫苗和奈玛特韦-利托那韦的证据，但指出这些干预措施无法完全消除严重COVID-19的负担。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
基线结局预测模型
预测未来6个月（2023年1月至7月）无额外干预情况下的COVID-19病例、住院和死亡数。
使用准泊松回归模型，基于年龄和疫苗接种状态预测每周COVID-19结局，模型校准至2022年7月23日至2023年1月23日的数据，并考虑既往二价疫苗接种覆盖率的影响。
模拟疫苗接种策略
评估不同年龄和疫苗接种状态人群增加额外疫苗剂次对COVID-19结局的影响。
模拟7种疫苗接种策略，向目标人群额外给予1剂疫苗（主要为二价），利用文献报道的疫苗有效性估计，计算避免的结局数和需治疗人数（NNT）。
模拟奈玛特韦-利托那韦治疗策略
评估在不同风险组中增加奈玛特韦-利托那韦使用率对住院和死亡的影响。
模拟4种优先策略，在符合医学资格的人群中增加奈玛特韦-利托那韦处方率，利用文献报道的治疗有效性估计，计算避免的住院和死亡数及NNT。
敏感性分析与不确定性量化
评估主要结果的稳健性，并量化不确定性。
进行多项敏感性分析，包括不同覆盖率假设、背景疫苗接种率、结果报告比例、组合干预等，并生成95%不确定性区间。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据分析与建模 | 准泊松回归模型 | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据获取与人群划分 | 数据来源：加州公共卫生部（CDPH）的COVID-19病例、住院、死亡和疫苗接种数据；数据时间范围：2022年7月23日至2023年1月23日；年龄分组：0-17、18-49、50-64、65-74、75-84、≥85岁；疫苗接种状态分类：未接种、初级系列、加强1剂、加强≥2剂 阅读提示：Methods - Data |
| 基线结局预测模型 | 模型方法：准泊松回归；校准周期：2022年7月23日至2023年1月23日；预测周期：2023年1月至7月；预测结局：病例、住院、死亡 阅读提示：Methods - Statistical Analysis - Predicting COVID-19 Outcomes |
| 模拟疫苗接种策略 | 目标人群：7种策略（所有人、既往已接种、未接种、仅初级系列、≥75岁、≥65岁、≥50岁）；覆盖率：增加至70%；疫苗类型：二价疫苗（未接种者用单价） 阅读提示：Methods - Statistical Analysis - Predicting the Impact of Additional Vaccination |
| 模拟奈玛特韦-利托那韦治疗策略 | 目标人群：4种策略（≥18岁、≥50岁、≥65岁、≥75岁）；覆盖率：增加至70%；资格标准：SARS-CoV-2阳性、症状发作或阳性≤5天、属于关键风险组 阅读提示：Methods - Statistical Analysis - Predicting the Impact of Nirmatrelvir-Ritonavir Treatment |
| 敏感性分析与不确定性量化 | 敏感性分析内容：不同覆盖率、背景疫苗接种率、结果报告比例、组合干预等 阅读提示：Methods - Statistical Analysis - Sensitivity and Uncertainty Analysis |