Uno studio per conoscere quanto bene gli aggiornamenti annuali al vaccino covid-19 lavorano per proteggere le persone da Covid-19 e quanti soldi le persone spendono per l'assistenza sanitaria per Covid-19

Razionale e sfondo

Il 6 aprile 2022, i membri dei vaccini degli Stati Uniti (USA) e il relativo comitato consultivo per i prodotti biologici (VRBPAC) della Food and Drug Administration (FDA) hanno votato per la prima volta per aggiornare le composizioni di deformazione dei vaccini Covid-19 dalla formulazione originale di tipo selvaggio a una formulazione che si adattano meglio a varianti attualmente circolanti. In un commento sulla rete del Journal of American Medical Association (JAMA) aperto un mese dopo, il dott. Peter Marks (direttore del Center for Biologics Evaluation and Research), il dott. Janet Woodcock (vicedirettore della FDA FDA) e il Commissario Robert Califf (FDA)

"Un migliore allineamento tra le varianti coperte dal vaccino e le varianti circolanti di SARS-COV-2 ci si potrebbe aspettare che prevenga uno spettro più ampio di malattia, potenzialmente per un tempo più lungo".

Il comitato consultivo per il controllo e la prevenzione delle malattie degli Stati Uniti (CDC) sulle pratiche di immunizzazione (ACIP) ha votato in ciascuno del 2022, 2023 e 2024 per raccomandare i vaccini Covid-19 aggiornati come autorizzato o approvato dalla FDA in persone ≥ 6 mesi. È quindi necessario valutare l'efficacia di questi prodotti aggiornati su base annuale, contro una varietà di risultati sanitari.

Domanda di ricerca e obiettivi

La domanda di ricerca per questo studio è "Qual è l'efficacia del mondo reale delle formulazioni BNT162B2?"

Obiettivo primario:

1. Per valutare l'efficacia del vaccino (VE) delle formulazioni BNT162B2 in adulti non immunocompromessi (18+) contro gli endpoint correlati di Covid-19, per età, condizioni di comorbilità di interesse e formulazione del vaccino adattato.

   Obiettivo secondario:

2. Misurare le formulazioni Covid-19 VE di formulazioni BNT162B2 in pediatria (età <18) contro gli endpoint correlati di Covid-19, per età e formulazione di vaccini adattati.

   Metodi di ricerca

   Progettazione dello studio

   Per tutti gli obiettivi di questo studio, lo stato di vaccinazione verrà misurato come un'esposizione variabile nel tempo. La persona esposta inizia 14 giorni dopo la ricezione di una formulazione BNT162B2. La persona non esposta è tempo non vaccinato, nonché 0-13 giorni dopo la vaccinazione. Il gruppo non esposto sarà ulteriormente stratificato per lo stato precedente.

   I dati di un anno prima della disponibilità di formulazione aggiornata verranno utilizzati come periodo di ricerca per definire le caratteristiche del paziente, la storia clinica, i fattori di rischio e l'utilizzo della sanità. Possono essere utilizzati anche tutti i dati disponibili prima di questo periodo.

   Collocamento

   L'età più giovane possibile per qualsiasi persona in qualsiasi obiettivo dello studio ha 6 mesi.

   Questo protocollo sarà condotto tra persone che hanno tutte le seguenti:

   • Almeno un anno di iscrizione medica continua prima della data dell'indice in un piano assicurativo che contribuisce al database dei reclami Health Verity negli Stati Uniti. Le affermazioni mediche vengono utilizzate per misurare incontri ospedalieri, ambulatoriali, dipartimento di emergenza e di cure urgenti. Sarà consentito un divario fino a 30 giorni.
   • Almeno un anno di iscrizione alla farmacia continua prima della data dell'indice in un piano assicurativo che contribuisce al database delle richieste di risarcimento Healthverità negli Stati Uniti. Le affermazioni della farmacia vengono utilizzate per misurare le dispense ambulatoriali di farmaci, vaccini e altri prodotti biologici. Sarà consentito un divario fino a 30 giorni.
   • Almeno un anno di residenza statale continua in uno stato con una vaccinazione obbligatoria Covid-19 che riporta che contribuisce all'intero registro dei vaccini statali a Health Vverità.
   • Non ha discrepanze nel sesso e/o nell'anno di nascita tra nessuno dei set di dati disponibili. Si tratta di covariate critiche nei modelli in quanto sono tra i fattori di rischio più importanti per le malattie gravi.
   • Non aveva documentato episodi di Covid-19 e/o ricezione di qualsiasi vaccino COVID-19 durante i 90 giorni precedenti alla data dell'indice. Queste persone probabilmente hanno un minor rischio di vaccinazione (l'esposizione di interesse da parte dello studio) nonché un rischio temporaneamente inferiore di Covid-19 (esito di interesse dello studio), che introdurrebbe l'eterogeneità nelle stime se non si escludono.

   Variabili

   Obiettivi primari e secondari, esposizione: vaccino mRNA BNT162B2, elencato con vaccini clinici somministrati (CVX), codice nazionale del farmaco (NDC) e codici di terminologia procedurale (CPT).

   Obiettivi primari e secondari, Risultati: Endpoint correlati Covid-1::

   • Incontri ambulatoriali con una classificazione internazionale di malattie, decimo revisione, modifica clinica (ICD-10-cm) Codice U07.1 "Covid-19"

     • Incidenza, come il numero di persone che vivono un evento diviso per il numero di persone a rischio di un evento (ad es. proporzioni)
     • Tasso di incidenza, come il numero di persone che vivono un evento diviso per il tempo totale a rischio di un evento (ad es. X eventi per 100.000 persone mesi)
     • Rapporti di rischio adeguati
     • Costo associato a questi incontri, elencati come media (deviazione standard) e mediana (primo quartile - terzo quartile) tra tutti i costi diversi da zero.

   • Incontri del pronto soccorso con un codice ICD-10-CM U07.1

     • Incidenza, come il numero di persone che vivono un evento diviso per il numero di persone a rischio di un evento (ad es. proporzioni)
     • Tasso di incidenza, come il numero di persone che vivono un evento diviso per il tempo totale a rischio di un evento (ad es. X eventi per 100.000 persone mesi)
     • Rapporti di rischio adeguati
     • Costo associato a questi incontri, elencati come media (deviazione standard) e mediana (primo quartile - terzo quartile) tra tutti i costi diversi da zero.

   • Incontri di cure urgenti con un codice ICD-10-cm U07.1

     • Incidenza, come il numero di persone che vivono un evento diviso per il numero di persone a rischio di un evento (ad es. proporzioni)
     • Tasso di incidenza, come il numero di persone che vivono un evento diviso per il tempo totale a rischio di un evento (ad es. X eventi per 100.000 persone mesi)
     • Rapporti di rischio adeguati
     • Costo associato a questi incontri, elencati come media (deviazione standard) e mediana (primo quartile - terzo quartile) tra tutti i costi diversi da zero.

   • Incontri ospedali con un codice ICD-10-cm U07.1. Da notare che i risultati potenzialmente accidentali di Covid-19, come quelli nel corso di una grande ammissione psichiatrica o fisica associata al trauma, saranno esclusi usando la metodologia precedentemente descritta.

     • Durata del soggiorno, come il numero di giorni dall'ammissione alla dimissione espressa come media (deviazione standard) e mediana (primo quartile - terzo quartile)
     • Incidenza, come il numero di persone che vivono un evento diviso per il numero di persone a rischio di un evento (ad es. proporzioni)
     • Tasso di incidenza, come il numero di persone che vivono un evento diviso per il tempo totale a rischio di un evento (ad es. X eventi per 100.000 persone mesi)
     • Rapporti di rischio adeguati
     • Costo associato a questi incontri, elencati come media (deviazione standard) e mediana (primo quartile - terzo quartile) tra tutti i costi diversi da zero.
     • Se la dimensione del campione consente, i risultati di cui sopra saranno ulteriormente stratificati nei casi che non hanno richiesto l'ammissione dell'unità di terapia intensiva (ICU), la ventilazione meccanica invasiva (IMV) o hanno provocato la morte.

   Potenziali confondenti: verrà utilizzata una serie diversificata di variabili per bilanciare le caratteristiche di base tra coloro che sono VS non sono vaccinate. In breve, questi includeranno caratteristiche sociodemografiche e cliniche note per essere associate al rischio di esposizione e esito e potrebbe essere necessario adattarsi in base alla struttura del confondimento che si presume sia presente. 5,6 L'insieme bilanciato di covariate conterrà un campione in cui le differenze medie standardizzate (SMD) tra i confondenti misurati sono ≤ 0,1,7.

   Fonti di dati

   Clamiche mediche e farmaceutiche

   Gli assicuratori che contribuiscono a reclami chiusi includono un mix di pagatori commerciali, piani di Advantage/Parte C e piani di assistenza gestiti Medicaid. Gli elementi di dati nelle affermazioni mediche includono informazioni demografiche del paziente, informazioni ospedaliere/ambulatoriali a livello di visita come diagnosi, procedure e durata del soggiorno, caratteristiche dell'ospedale e informazioni sui farmaci. A causa della natura delle affermazioni, i dati rappresentano l'insieme finale di diagnosi nel corso dell'ospedale inviato all'assicuratore del paziente per il rimborso, con le priorità di diagnosi assegnate dai medici o dal personale ospedaliero. Gli elementi di dati nelle richieste di farmacia includono informazioni demografiche del paziente, NDC, data di servizio, quantità dispensata e fornitura di giorni.

   Registri dei vaccini statali

   Dal dicembre 2020, i vaccinatori in molte giurisdizioni e stati sono stati incaricati di riferire un vaccino covid-19 amministrato alle rispettive autorità sanitarie statali.

   I file di registro statale hanno identificatori di persone univoci, data di evento di vaccinazione e codici CVX, che sono unici per ciascun vaccino.

   Metodi di collegamento tra le fonti di dati

   I dati sui reclami di assicurazione amministrativa e i dati del registro dei vaccini statali sono stati tokenizzati in modo indipendente utilizzando il software di tokenizzazione di HealthVerity, il che significa che gli identificatori dei pazienti vengono passati attraverso il software per creare un numero di identificazione de-identificato univoco per ciascuna persona. L'identificazione delle informazioni viene rimossa dai registri dei vaccini prima di inviare i dati a Health Vverità per l'aggregazione dei dati. Questo processo garantisce la conformità delle regole sulla privacy della Portabilità dell'assicurazione sanitaria e della responsabilità (HIPAA) attraverso la determinazione degli esperti. I dati sui reclami assicurativi sono stati quindi collegati ai registri delle vaccinazioni statali tramite il numero di identificazione tokenizzato.

   Dimensione dello studio

   Questo studio utilizza dati deidentificati retrospettivi senza la capacità di reclutare un obiettivo, i calcoli delle dimensioni del campione non sono applicabili. Il numero atteso di persone idonee per lo studio dovrebbe essere circa il 30% della popolazione di uno stato, data la copertura del mercato di Health Vveryty. Al fine di mantenere la riservatezza e i principi di coerenza causali di coerenza, positività e scambiabilità, risultati, covariate e sottogruppi avranno almeno 10 persone in ciascuna categoria per l'inclusione negli output. Durante tutto il protocollo, questo viene definito "se la dimensione del campione lo consente".

   Gestione dei dati

   Gli aggiornamenti dei dati di reclami e del registro dei vaccini vengono forniti da HealthSverità Monthly. Tutti i dati strutturati di Verità Healthing sopra descritti sono archiviati nell'infrastruttura di dati di Pfizer. I dati vengono interrogati e analizzati utilizzando il sistema di analisi statistica (SAS) e/o R. Le rivendicazioni di verifica, la mortalità e i registri dei vaccini sono archiviati come database separati e, a causa della natura dell'accordo di utilizzo dei dati, su un server diverso rispetto a tutti gli altri dati a livello aziendale. I dati sono accessibili solo ai colleghi di Pfizer che sono stati formati e approvati per accedere al data warehouse di Pfizer.

   In breve, tutti i dati dell'anno precedente all'indice per 6 mesi dopo l'indice per le persone che soddisfano i criteri di inclusione ed esclusione dettagliati nella sezione 9.1 saranno estratti.

   Analisi dei dati

   I dati vengono estratti utilizzando script macro standardizzati da due programmatori esperti, con tutte le discrepanze risolte prima della consegna dei risultati finali. Le analisi descrittive confronteranno la distribuzione delle caratteristiche sociodemografiche e cliniche nelle coorti finali.

   Verranno utilizzati modelli di rischi proporzionali Cox dipendenti dal tempo per stimare il pericolo di ciascun risultato di interesse con esposizione al tempo variabile e covariate fissate a tempo, con conseguenti rapporti di rischio adeguati (AHR) e intervalli di confidenza al 95% (IC al 95%).

   Metodologia dettagliata per le analisi di riepilogo e statistiche dei dati raccolti in questo studio sarà documentata in una SAP, che sarà datata, presentata e mantenuta dallo sponsor. SAP può modificare i piani delineati nel protocollo; Eventuali importanti modifiche delle definizioni e degli endpoint primari o delle loro analisi si rifletteranno in un emendamento del protocollo.

   Controllo di qualità

   I dati nel database di HealthSverità sono forniti mensilmente in un formato elettronico. HealthSverità impiega il suo prodotto di tokenizzazione per abbinare i pazienti tra diverse fonti di dati con elevata precisione. Ogni consegna mensile di dati contiene un rapporto di controllo di qualità, che è stato co-creato tra esperti di materia Health Ververy e Pfizer per garantire una qualità continua. Tutte le analisi verranno eseguite internamente e secondo gli standard analitici Pfizer, inclusa la doppia programmazione per garantire il controllo di qualità.

   Limitazioni dei metodi di ricerca

   • Alcuni, ma non tutti, gli stati hanno mandati di segnalazione del vaccino, che sono richiesti per l'accertamento dello stato non vaccinato. Pertanto, i risultati di questo studio che utilizzano stati con giurisdizioni di rendicontazione obbligatoria potrebbero non generalizzare ad altre aree del paese. Tuttavia, una varietà di caratteristiche geografiche, sociodemografiche e di salute sono incluse tra le popolazioni incluse.
   • Non vi è alcuna conferma di laboratorio della diagnosi di Covid-19. È difficile conoscere la direzione del pregiudizio che questa limitazione può creare. È possibile che ad alcuni pazienti vengano diagnosticati i soli sintomi (eccesso di eccesso di risultati di interesse) o che ci mancano casi positivi a causa di test a domicilio (insuccesso degli esiti di interesse).
   • I risultati di questo studio possono differire da quelli degli studi VE che utilizzano altre fonti di dati, come Kaiser Permanente della California meridionale o dell'amministrazione dei veterani.
   • I tentativi di affrontare il confondimento potrebbero non essere in grado di tenere pienamente conto dei confondenti.