Author | Ferreira, Leonardo Souto | |
Author | Marquitti, Flavia Maria Darcie | |
Author | Silva, Rafael Lopes Paixão da | |
Author | Borges, Marcelo Eduardo | |
Author | Gomes, Marcelo Ferreira da Costa | |
Author | Cruz, Oswaldo Gonçalves | |
Author | Kraenkel, Roberto André | |
Author | Coutinho, Renato Mendes | |
Author | Prado, Paulo Inácio | |
Author | Bastos, Leonardo Soares | |
Access date | 2022-11-23T17:03:35Z | |
Available date | 2022-11-23T17:03:35Z | |
Document date | 2022 | |
Citation | 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. | en_US |
ISSN | 2667-193X | |
URI | https://www.arca.fiocruz.br/handle/icict/55767 | |
Abstract in Portuguese | 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. | en_US |
Sponsorship | 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. | |
Language | eng | en_US |
Publisher | Elsevier | en_US |
Rights | open access | en_US |
MeSH | Pandemics | en_US |
MeSH | COVID-19 | en_US |
Subject in Portuguese | Vacinação em massa | en_US |
Subject in Portuguese | COVID-19 | en_US |
Subject in Portuguese | Estratégia sanitária | en_US |
Subject in Portuguese | Modelo estatístico | en_US |
Subject in Portuguese | Brasil | en_US |
Title | Estimating the impact of implementation and timing of the COVID-19 vaccination programme in Brazil: A counterfactual analysis | en_US |
Type | Article | |
DOI | 10.1016/j.lana.2022.100397 | |
Abstract | 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. | en_US |
Affilliation | Universidade Estadual Paulista. Instituto de Física Teórica. São Paulo, SP, Brasil / Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil. | en_US |
Affilliation | Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil / Universidade Estadual de Campinas. Instituto de Biologia, , Campinas, SP, Brasil. | en_US |
Affilliation | Universidade Estadual Paulista. Instituto de Física Teórica. São Paulo, SP, Brasil / Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil. | en_US |
Affilliation | Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil. | en_US |
Affilliation | 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. | en_US |
Affilliation | 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. | en_US |
Affilliation | Universidade Estadual Paulista. Instituto de Física Teórica. São Paulo, SP, Brasil / Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil. | en_US |
Affilliation | 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. | en_US |
Affilliation | Fundação Oswaldo Cruz. Presidência. Observatório COVID-19. Rio de Janeiro, RJ, Brasil / Universidade de São Paulo. Instituto de Biociências. São Paulo, SP, Brasil. | en_US |
Affilliation | 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. | en_US |
Subject | Bayesian model | en_US |
Subject | Pandemic | en_US |
Subject | Hospitalisation | en_US |
Subject | Deaths | en_US |
Subject | COVID-19 | en_US |
Subject | SARS-CoV-2 | en_US |
DeCS | Vacinação em Massa | en_US |
DeCS | COVID-19 | en_US |
DeCS | Estratégias de Saúde Globais | en_US |
DeCS | Interpretação Estatística de Dados | en_US |
DeCS | Brasil | en_US |