Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis

Detalhes bibliográficos
Autor(a) principal: Ferreira, Leonardo Souto
Data de Publicação: 2022
Outros Autores: Marquitti, Flavia Maria Darcie, Silva, Rafael Lopes Paixão da, Borges, Marcelo Eduardo, Gomes, Marcelo Ferreira da Costa, Cruz, Oswaldo Gonçalves, Kraenkel, Roberto André, Coutinho, Renato Mendes, Prado, Paulo Inácio, Bastos, Leonardo Soares
Tipo de documento: Artigo
Idioma: eng
Título da fonte: Repositório Institucional da FIOCRUZ (ARCA)
Texto Completo: https://www.arca.fiocruz.br/handle/icict/55767
Resumo: O estudo vai além de quantificar o número de vidas salvas pelas vacinas no Brasil, a análise dos pesquisadores construiu outros dois cenários para dimensionar quantas vidas poderiam ter sido salvas e quantas hospitalizações poderiam ter sido evitadas caso a vacinação em massa contra a Covid-19 começasse com o ritmo de aplicação de doses mais acelerado, como o verificado quatro e oito semanas depois da data inicial da imunização, em 18 de janeiro de 2021. Esses cenários são descritos como de moderada e alta aceleração da imunização, respectivamente. Embora tenha iniciado em janeiro, a imunização no Brasil foi ganhando escala aos poucos: 250 mil doses por dia foram atingidas entre fevereiro e março, o patamar de 500 mil doses diárias foi alcançado entre abril e maio e o ritmo de 1 milhão de doses por dia se consumou em junho de 2021. Se o ritmo de aplicação de doses da campanha de imunização fosse aquele verificado oito semanas depois de seu início, por exemplo, o número de mortes de idosos poderia ter sido de 40% a 50% menor em relação àquele observado no pico da variante de preocupação (VOC) Gama do Sars-CoV-2, segundo o estudo. As estimativas indicam que outras 47 mil vidas de idosos poderiam ter sido salvas e aproximadamente um adicional de 104 mil hospitalizações poderia ter sido evitado num cenário de maior aceleração das imunizações.
id CRUZ_1e128d8c5efe94e88550be7acb7cd15d
oai_identifier_str oai:www.arca.fiocruz.br:icict/55767
network_acronym_str CRUZ
network_name_str Repositório Institucional da FIOCRUZ (ARCA)
repository_id_str 2135
spelling Ferreira, Leonardo SoutoMarquitti, Flavia Maria DarcieSilva, Rafael Lopes Paixão daBorges, Marcelo EduardoGomes, Marcelo Ferreira da CostaCruz, Oswaldo GonçalvesKraenkel, Roberto AndréCoutinho, Renato MendesPrado, Paulo InácioBastos, Leonardo Soares2022-11-23T17:03:35Z2022-11-23T17:03:35Z2022FERREIRA, Leonardo Souto et al. Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: a counterfactual analysis. The Lancet Regional Health Americas, p. 1-10, 2022.2667-193Xhttps://www.arca.fiocruz.br/handle/icict/5576710.1016/j.lana.2022.100397O estudo vai além de quantificar o número de vidas salvas pelas vacinas no Brasil, a análise dos pesquisadores construiu outros dois cenários para dimensionar quantas vidas poderiam ter sido salvas e quantas hospitalizações poderiam ter sido evitadas caso a vacinação em massa contra a Covid-19 começasse com o ritmo de aplicação de doses mais acelerado, como o verificado quatro e oito semanas depois da data inicial da imunização, em 18 de janeiro de 2021. Esses cenários são descritos como de moderada e alta aceleração da imunização, respectivamente. Embora tenha iniciado em janeiro, a imunização no Brasil foi ganhando escala aos poucos: 250 mil doses por dia foram atingidas entre fevereiro e março, o patamar de 500 mil doses diárias foi alcançado entre abril e maio e o ritmo de 1 milhão de doses por dia se consumou em junho de 2021. Se o ritmo de aplicação de doses da campanha de imunização fosse aquele verificado oito semanas depois de seu início, por exemplo, o número de mortes de idosos poderia ter sido de 40% a 50% menor em relação àquele observado no pico da variante de preocupação (VOC) Gama do Sars-CoV-2, segundo o estudo. As estimativas indicam que outras 47 mil vidas de idosos poderiam ter sido salvas e aproximadamente um adicional de 104 mil hospitalizações poderia ter sido evitado num cenário de maior aceleração das imunizações.Background: Vaccines developed between 2020 and 2021 against the SARS-CoV-2 virus were designed to diminish the severity and prevent deaths due to COVID-19. However, estimates of the effectiveness of vaccination campaigns in achieving these goals remain a methodological challenge. In this work, we developed a Bayesian statistical model to estimate the number of deaths and hospitalisations averted by vaccination of older adults (above 60 years old) in Brazil. Methods: We fit a linear model to predict the number of deaths and hospitalisations of older adults as a function of vaccination coverage in this group and casualties in younger adults. We used this model in a counterfactual analysis, simulating alternative scenarios without vaccination or with faster vaccination roll-out. We estimated the direct effects of COVID-19 vaccination by computing the difference between hypothetical and realised scenarios. Findings: We estimated that more than 165,000 individuals above 60 years of age were not hospitalised due to COVID-19 in the first seven months of the vaccination campaign. An additional contingent of 104,000 hospitalisations could have been averted if vaccination had started earlier. We also estimated that more than 58 thousand lives were saved by vaccinations in the period analysed for the same age group and that an additional 47 thousand lives could have been saved had the Brazilian government started the vaccination programme earlier. Interpretation: Our estimates provided a lower bound for vaccination impacts in Brazil, demonstrating the importance of preventing the suffering and loss of older Brazilian adults. Once vaccines were approved, an early vaccination roll-out could have saved many more lives, especially when facing a pandemic.The Coordenação de Aperfeiçoamento de Pessoal de Nível Superior–Brazil (Finance Code 001 to F.M.D.M. and L.S.F.), Conselho Nacional de Desenvolvimento Científico e Tecnológico – Brazil (grant number: 315854/2020-0 to M.E.B., 141698/2018-7 to R.L.P.d.S., 313055/2020-3 to P.I.P., 311832/2017-2 to R.A.K.), Fundação de Amparo à Pesquisa do Estado de São Paulo – Brazil (contract number: 2016/01343-7 to R.A.K.), Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro – Brazil (grant number: E-26/201.277/2021 to L.S.B.) and Inova Fiocruz/Fundação Oswaldo Cruz – Brazil (grant number: 48401485034116) to L.S.B., O.G.C. and M.G.d.F.C. The funding agencies had no role in the conceptualization of the study.Universidade Estadual Paulista. Instituto de Física Teórica. São Paulo, SP, Brasil / Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil.Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil / Universidade Estadual de Campinas. Instituto de Biologia, , Campinas, SP, Brasil.Universidade Estadual Paulista. Instituto de Física Teórica. São Paulo, SP, Brasil / Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil.Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil.Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil / Fundação Oswaldo Cruz. Presidência. Programa de Computação Científica. Rio de Janeiro, RJ, Brasil.Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil / Fundação Oswaldo Cruz. Presidência. Programa de Computação Científica. Rio de Janeiro, RJ, Brasil.Universidade Estadual Paulista. Instituto de Física Teórica. São Paulo, SP, Brasil / Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil.Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil / Universidade Federal do ABC. Centro de Matemática, Computação e Cognição. Santo André, SP, Brasil.Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil / Universidade de São Paulo. Instituto de Biociências. São Paulo, SP, Brasil.Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil / Fundação Oswaldo Cruz. Presidência. Programa de Computação Científica. Rio de Janeiro, RJ, Brasil.engElsevierPandemicsCOVID-19Vacinação em massaCOVID-19Estratégia sanitáriaModelo estatísticoBrasilBayesian modelPandemicHospitalisationDeathsCOVID-19SARS-CoV-2Vacinação em MassaCOVID-19Estratégias de Saúde GlobaisInterpretação Estatística de DadosBrasilEstimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FIOCRUZ (ARCA)instname:Fundação Oswaldo Cruz (FIOCRUZ)instacron:FIOCRUZLICENSElicense.txtlicense.txttext/plain; charset=utf-82991https://www.arca.fiocruz.br/bitstream/icict/55767/1/license.txt5a560609d32a3863062d77ff32785d58MD51ORIGINALEstimative_impact_implementation_COVID_19.pdfEstimative_impact_implementation_COVID_19.pdfapplication/pdf599378https://www.arca.fiocruz.br/bitstream/icict/55767/3/Estimative_impact_implementation_COVID_19.pdfef903da845ded2a0c80d5c4678d14e68MD53icict/557672022-12-02 19:52:40.046oai:www.arca.fiocruz.br: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ório InstitucionalPUBhttps://www.arca.fiocruz.br/oai/requestrepositorio.arca@fiocruz.bropendoar:21352022-12-02T22:52:40Repositório Institucional da FIOCRUZ (ARCA) - Fundação Oswaldo Cruz (FIOCRUZ)false
dc.title.en_US.fl_str_mv Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis
title Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis
spellingShingle Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis
Ferreira, Leonardo Souto
Pandemics
COVID-19
Vacinação em massa
COVID-19
Estratégia sanitária
Modelo estatístico
Brasil
Bayesian model
Pandemic
Hospitalisation
Deaths
COVID-19
SARS-CoV-2
Vacinação em Massa
COVID-19
Estratégias de Saúde Globais
Interpretação Estatística de Dados
Brasil
title_short Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis
title_full Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis
title_fullStr Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis
title_full_unstemmed Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis
title_sort Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis
author Ferreira, Leonardo Souto
author_facet Ferreira, Leonardo Souto
Marquitti, Flavia Maria Darcie
Silva, Rafael Lopes Paixão da
Borges, Marcelo Eduardo
Gomes, Marcelo Ferreira da Costa
Cruz, Oswaldo Gonçalves
Kraenkel, Roberto André
Coutinho, Renato Mendes
Prado, Paulo Inácio
Bastos, Leonardo Soares
author_role author
author2 Marquitti, Flavia Maria Darcie
Silva, Rafael Lopes Paixão da
Borges, Marcelo Eduardo
Gomes, Marcelo Ferreira da Costa
Cruz, Oswaldo Gonçalves
Kraenkel, Roberto André
Coutinho, Renato Mendes
Prado, Paulo Inácio
Bastos, Leonardo Soares
author2_role author
author
author
author
author
author
author
author
author
dc.contributor.author.fl_str_mv Ferreira, Leonardo Souto
Marquitti, Flavia Maria Darcie
Silva, Rafael Lopes Paixão da
Borges, Marcelo Eduardo
Gomes, Marcelo Ferreira da Costa
Cruz, Oswaldo Gonçalves
Kraenkel, Roberto André
Coutinho, Renato Mendes
Prado, Paulo Inácio
Bastos, Leonardo Soares
dc.subject.mesh.en_US.fl_str_mv Pandemics
COVID-19
topic Pandemics
COVID-19
Vacinação em massa
COVID-19
Estratégia sanitária
Modelo estatístico
Brasil
Bayesian model
Pandemic
Hospitalisation
Deaths
COVID-19
SARS-CoV-2
Vacinação em Massa
COVID-19
Estratégias de Saúde Globais
Interpretação Estatística de Dados
Brasil
dc.subject.other.en_US.fl_str_mv Vacinação em massa
COVID-19
Estratégia sanitária
Modelo estatístico
Brasil
dc.subject.en.en_US.fl_str_mv Bayesian model
Pandemic
Hospitalisation
Deaths
COVID-19
SARS-CoV-2
dc.subject.decs.en_US.fl_str_mv Vacinação em Massa
COVID-19
Estratégias de Saúde Globais
Interpretação Estatística de Dados
Brasil
description O estudo vai além de quantificar o número de vidas salvas pelas vacinas no Brasil, a análise dos pesquisadores construiu outros dois cenários para dimensionar quantas vidas poderiam ter sido salvas e quantas hospitalizações poderiam ter sido evitadas caso a vacinação em massa contra a Covid-19 começasse com o ritmo de aplicação de doses mais acelerado, como o verificado quatro e oito semanas depois da data inicial da imunização, em 18 de janeiro de 2021. Esses cenários são descritos como de moderada e alta aceleração da imunização, respectivamente. Embora tenha iniciado em janeiro, a imunização no Brasil foi ganhando escala aos poucos: 250 mil doses por dia foram atingidas entre fevereiro e março, o patamar de 500 mil doses diárias foi alcançado entre abril e maio e o ritmo de 1 milhão de doses por dia se consumou em junho de 2021. Se o ritmo de aplicação de doses da campanha de imunização fosse aquele verificado oito semanas depois de seu início, por exemplo, o número de mortes de idosos poderia ter sido de 40% a 50% menor em relação àquele observado no pico da variante de preocupação (VOC) Gama do Sars-CoV-2, segundo o estudo. As estimativas indicam que outras 47 mil vidas de idosos poderiam ter sido salvas e aproximadamente um adicional de 104 mil hospitalizações poderia ter sido evitado num cenário de maior aceleração das imunizações.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-11-23T17:03:35Z
dc.date.available.fl_str_mv 2022-11-23T17:03:35Z
dc.date.issued.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.citation.fl_str_mv FERREIRA, Leonardo Souto et al. Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: a counterfactual analysis. The Lancet Regional Health Americas, p. 1-10, 2022.
dc.identifier.uri.fl_str_mv https://www.arca.fiocruz.br/handle/icict/55767
dc.identifier.issn.none.fl_str_mv 2667-193X
dc.identifier.doi.none.fl_str_mv 10.1016/j.lana.2022.100397
identifier_str_mv FERREIRA, Leonardo Souto et al. Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: a counterfactual analysis. The Lancet Regional Health Americas, p. 1-10, 2022.
2667-193X
10.1016/j.lana.2022.100397
url https://www.arca.fiocruz.br/handle/icict/55767
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Elsevier
publisher.none.fl_str_mv Elsevier
dc.source.none.fl_str_mv reponame:Repositório Institucional da FIOCRUZ (ARCA)
instname:Fundação Oswaldo Cruz (FIOCRUZ)
instacron:FIOCRUZ
instname_str Fundação Oswaldo Cruz (FIOCRUZ)
instacron_str FIOCRUZ
institution FIOCRUZ
reponame_str Repositório Institucional da FIOCRUZ (ARCA)
collection Repositório Institucional da FIOCRUZ (ARCA)
bitstream.url.fl_str_mv https://www.arca.fiocruz.br/bitstream/icict/55767/1/license.txt
https://www.arca.fiocruz.br/bitstream/icict/55767/3/Estimative_impact_implementation_COVID_19.pdf
bitstream.checksum.fl_str_mv 5a560609d32a3863062d77ff32785d58
ef903da845ded2a0c80d5c4678d14e68
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da FIOCRUZ (ARCA) - Fundação Oswaldo Cruz (FIOCRUZ)
repository.mail.fl_str_mv repositorio.arca@fiocruz.br
_version_ 1813009224399060992

Registros relacionados