在疫情爆发期间进行的第三阶段临床试验中评估的疫苗疗效的分析

科学领域:

• 流行病学 流行病学
• 生物统计学 生物统计学
• 数学建模的数学建模

背景情况:

• 疾病爆发对准确测量疫苗疗效 (VE) 提出了独特的挑战.
• 传统的 VE 计算可能会因疫情期间感染力量的动态性而混.
• 志愿者在疫苗试验中的招募往往是分阶段的,而不是同时的,使分析复杂化.

研究的目的:

• 分析在疾病爆发期间计算疫苗有效性的问题.
• 提出一个数学模型,用于计算在疫情情情景象和不同的入学率的VE.
• 调查感染力和入学时间对VE计算的影响.

主要方法:

• 开发了一个数学模型来模拟疫情条件下的VE计算.
• 利用连续密度函数 (例如,高斯函数) 来表示疫情强度和志愿者招募.
• 分析了感染力,入学高峰时间之间的关系,并计算了VE.

主要成果:

• 计算的疫苗有效性随着感染力增加而下降.
• 随着感染力峰值和登记率峰值之间的时间差距越大,VE就会减少.
• 不同的试验协议和VE定义在模拟中产生了类似的结果.

结论:

• 疫苗在疫情爆发期间的有效性估计必须谨慎解释.
• 建议根据队列对志愿者进行分层分类,并对每个队列进行生存分析.
• 将考克斯的比例危险模型应用于单个队列可以提高疫情期间的VE准确性.