Een studie om te leren over hoe goed jaarlijkse updates van het Covid-19-vaccinwerk om mensen te beschermen tegen COVID-19 en hoeveel geld mensen uitgeven aan gezondheidszorg voor Covid-19

Rationale en achtergrond

Op 6 april 2022 stemden leden van de Verenigde Staten (VS) vaccins en aanverwante biologische producten Advisory Committee (VRBPAC) van de Food and Drug Administration (FDA) voor het eerst om COVID-19-vaccinstamcomposities bij te werken van de oorspronkelijke wildtype formulering van een formulering die beter overeenkomt met een formulering die beter overeenkomende varianten. In een commentaar in het Journal of the American Medical Association (JAMA) Network Open een maand later, betoogde Dr. Peter Marks (directeur van het Center for Biologics Evaluation and Research), Dr. Janet Woodcock (hoofdsitueerde plaatsvervangend FDA -commissaris) en Dr. Robert Califf (FDA -commissaris) betoogd)

"Betere afstemming tussen de variant (en) die worden bedekt door het vaccin en de circulerende variant (en) van SARS-COV-2 kan worden verwacht dat ze een breder spectrum van ziekten voorkomen, mogelijk voor een langere tijd".

De US Centers for Disease Control and Prevention (CDC) Het adviescomité voor immunisatiepraktijken (ACIP) stemde in elk van 2022, 2023 en 2024 om bijgewerkte COVID-19-vaccins aan te bevelen zoals geautoriseerd of goedgekeurd door FDA in personen ≥ 6 maanden. Er is daarom behoefte om de effectiviteit van deze bijgewerkte producten op jaarbasis te evalueren, tegen verschillende gezondheidsresultaten.

Onderzoeksvraag en doelstellingen

De onderzoeksvraag voor deze studie is: "Wat is de werkelijke effectiviteit van BNT162B2-formuleringen?"

Primair doelstelling:

1. Om vaccineffectiviteit (VE) van BNT162B2-formuleringen te evalueren bij niet-immunocompromiseerde volwassenen (leeftijd 18+) tegen COVID-19 gerelateerde eindpunten, naar leeftijd, comorbide omstandigheden van belang en aangepaste vaccinformulering.

   Secundaire doelstelling:

2. Om covid-19 ve van Bnt162B2-formuleringen te meten in kindergeneeskunde (leeftijd <18) tegen COVID-19 gerelateerde eindpunten, door leeftijd en aangepaste vaccinformulering.

   Onderzoeksmethoden

   Studieontwerp

   Voor alle doelen van deze studie zal de vaccinatiestatus worden gemeten als een tijdafhankelijke blootstelling. De blootgestelde persoon begint 14 dagen na ontvangst van een BNT162B2-formulering. Niet-blootgestelde persoonstijd is niet-gevaccineerde persoonstijd, evenals 0-13 dagen na vaccinatie. De niet -blootgestelde groep zal verder worden gestratificeerd door eerdere status.

   Gegevens van een jaar voorafgaand aan de beschikbaarheid van de bijgewerkte formulering worden gebruikt als de terugblikperiode om de kenmerken van de patiënt, de klinische geschiedenis, risicofactoren en het gebruik van de gezondheidszorg te definiëren. Alle beschikbare gegevens vóór deze periode kunnen ook worden gebruikt.

   Instelling

   De jongst mogelijke leeftijd voor elke persoon in enig doel van het onderzoek is 6 maanden oud.

   Dit protocol zal worden uitgevoerd onder personen die het volgende hebben:

   • Ten minste een jaar van continue medische inschrijving voorafgaand aan de indexdatum in een verzekeringsplan dat bijdraagt ​​aan de Healthverity Claims -database in de Verenigde Staten. Medische claims worden gebruikt om intramurale, poliklinische, spoedeisende hulp- en dringende zorgverleners te meten. Een kloof van maximaal 30 dagen is toegestaan.
   • Ten minste één jaar van continue apotheekinschrijving voorafgaand aan de indexdatum in een verzekeringsplan dat bijdraagt ​​aan de Healthverity Claims -database in de Verenigde Staten. Apotheekclaims worden gebruikt om poliklinische dispensaties van geneesmiddelen, vaccins en andere biologische producten te meten. Een kloof van maximaal 30 dagen is toegestaan.
   • Ten minste één jaar van continue staatsresidentie in een staat met verplichte Covid-19-vaccinatierapportage die het gehele staatsvaccinregister bijdraagt ​​aan Healthverity.
   • Heeft geen discrepanties in seks en/of geboortejaar tussen een van de beschikbare datasets. Dit zijn kritische covariaten in modellen omdat ze een van de belangrijkste risicofactoren voor ernstige ziekten behoren.
   • Had geen aflevering van COVID-19 en/of ontvangst van een COVID-19-vaccin gedurende de 90 dagen voorafgaand aan de indexdatum. Deze personen hebben waarschijnlijk een lager risico op vaccinatie (de blootstelling van de studie van de interesse) en het tijdelijk lager risico op COVID-19 (de uitkomst van de studie van interesse), die heterogeniteit in schattingen zou introduceren als ze niet zijn uitgesloten.

   Variabelen

   Primaire en secundaire doelstellingen, blootstelling: BNT162B2 mRNA -vaccin, opgesomd met behulp van klinische vaccins toegediend (CVX), National Drug Code (NDC) en huidige procedurele terminologie (CPT) -codes.

   Primaire en secundaire doelstellingen, resultaten: COVID-19 gerelateerde eindpunten:

   • Poliklinische ontmoetingen met een internationale classificatie van ziekten, tiende revisie, klinische modificatie (ICD-10-cm) code U07.1 "Covid-19"

     • Incidentie, als het aantal mensen dat een evenement ervaart, gedeeld door het aantal mensen dat risico loopt op een gebeurtenis (d.w.z. verhoudingen)
     • Incidentiepercentage, als het aantal mensen dat een evenement ervaart, gedeeld door de totale persoon die het risico loopt op een gebeurtenis (d.w.z. X evenementen per 100.000 persoon-maanden)
     • Aangepaste hazard ratio's
     • Kosten geassocieerd met deze ontmoetingen, opgesomd als gemiddeld (standaardafwijking) en mediaan (eerste kwartiel - derde kwartiel) onder alle niet -nul kosten.

   • Ontmoetingen van de spoedeisende hulp met een ICD-10-cm code U07.1

     • Incidentie, als het aantal mensen dat een evenement ervaart, gedeeld door het aantal mensen dat risico loopt op een gebeurtenis (d.w.z. verhoudingen)
     • Incidentiepercentage, als het aantal mensen dat een evenement ervaart, gedeeld door de totale persoon die het risico loopt op een gebeurtenis (d.w.z. X evenementen per 100.000 persoon-maanden)
     • Aangepaste hazard ratio's
     • Kosten geassocieerd met deze ontmoetingen, opgesomd als gemiddeld (standaardafwijking) en mediaan (eerste kwartiel - derde kwartiel) onder alle niet -nul kosten.

   • Ontmoetingen van dringende zorg met een ICD-10-cm-code U07.1

     • Incidentie, als het aantal mensen dat een evenement ervaart, gedeeld door het aantal mensen dat risico loopt op een gebeurtenis (d.w.z. verhoudingen)
     • Incidentiepercentage, als het aantal mensen dat een evenement ervaart, gedeeld door de totale persoon die het risico loopt op een gebeurtenis (d.w.z. X evenementen per 100.000 persoon-maanden)
     • Aangepaste hazard ratio's
     • Kosten geassocieerd met deze ontmoetingen, opgesomd als gemiddeld (standaardafwijking) en mediaan (eerste kwartiel - derde kwartiel) onder alle niet -nul kosten.

   • Intry-ontmoetingen met een ICD-10-CM-code U07.1. Merk op dat mogelijk incidentele bevindingen van COVID-19, zoals die in de loop van een belangrijk psychiatrisch of fysiek trauma-geassocieerde opname, worden uitgesloten met behulp van eerder beschreven methodologie.

     • Verblijfsduur, als het aantal dagen van toelating tot ontslag uitgedrukt als gemiddelde (standaardafwijking) en mediaan (eerste kwartiel - derde kwartiel)
     • Incidentie, als het aantal mensen dat een evenement ervaart, gedeeld door het aantal mensen dat risico loopt op een gebeurtenis (d.w.z. verhoudingen)
     • Incidentiepercentage, als het aantal mensen dat een evenement ervaart, gedeeld door de totale persoon die het risico loopt op een gebeurtenis (d.w.z. X evenementen per 100.000 persoon-maanden)
     • Aangepaste hazard ratio's
     • Kosten geassocieerd met deze ontmoetingen, opgesomd als gemiddeld (standaardafwijking) en mediaan (eerste kwartiel - derde kwartiel) onder alle niet -nul kosten.
     • Als de steekproefomvang het toelaat, zullen de bovenstaande resultaten verder worden gestratificeerd in gevallen die wel en geen intensive care -afdeling (ICU) toelating, invasieve mechanische ventilatie (IMV) (IMV) nodig hebben of geen dood nodig hebben.

   Potentiële confounders: een diverse reeks variabelen zal worden gebruikt om de basislijnkenmerken tussen degenen die VS zijn, niet -gevaccineerd te zijn. Kortom, deze zullen sociodemografische en klinische kenmerken omvatten waarvan bekend is De gebalanceerde set covariaten zal een monster bevatten waarbij gestandaardiseerde gemiddelde verschillen (SMD) tussen gemeten confounders ≤ 0,1,7 zijn.

   Gegevensbronnen

   Medische en apotheekclaims

   Verzekeraars die bijdragen aan gesloten claims omvatten een mix van commerciële betalers, Medicare Advantage/Deel C -plannen en door Medicaid beheerde zorgplannen. Gegevenselementen in medische claims omvatten demografische informatie van patiënt, intramurale/poliklinische informatie op bezoekniveau zoals diagnoses, procedures en verblijfsduur, ziekenhuiskenmerken en medicatie-informatie. Vanwege de aard van claims vertegenwoordigen de gegevens de uiteindelijke set diagnoses in de loop van de ziekenhuisopname die naar de verzekeraar van de patiënt is gestuurd voor terugbetaling, met diagnoseprioritering toegewezen door artsen of ziekenhuispersoneel. Gegevenselementen in apotheekclaims omvatten demografische informatie van patiënt, NDC, datum van service, afgedichte hoeveelheid en het aanbod van dagen.

   Staatsvaccinregisters

   Sinds december 2020 zijn vaccinatoren in veel rechtsgebieden en staten de opdracht om COVID-19-vaccin te melden die aan hun respectieve staatsgezondheidsautoriteiten worden beheerd.

   Staatsregistratiebestanden hebben unieke persoon -identificatiegegevens, vaccinatie -gebeurtenisdatum en CVX -codes, die uniek zijn voor elk vaccin.

   Koppelingsmethoden tussen gegevensbronnen

   De gegevens van de administratieve verzekering claimt gegevens en de gegevens van de staatsvaccinregistratie waren onafhankelijk van de tokenisatiesoftware van Healthverity, wat betekent dat patiëntidentificaties door software worden doorgegeven om een ​​uniek geïdentificeerd identificatienummer voor elke persoon te creëren. Het identificeren van informatie wordt verwijderd door de vaccinregisters voordat de gegevens naar Healthverity worden verzonden voor gegevensaggregatie. Dit proces zorgt voor zorgverzekeringen Portability and Accountability Act (HIPAA) Privacyregel Naleving via deskundige bepaling. De gegevens van de verzekeringsclaims werden vervolgens gekoppeld aan de registers van de staatsvaccinatie via het tokenized identificatienummer.

   Studiegrootte

   Deze studie maakt gebruik van retrospectieve gedefinieerde gegevens zonder vermogen om naar een doelwit te werven, steekproefberekeningen zijn niet van toepassing. Het verwachte aantal mensen dat in aanmerking komt voor het onderzoek zal naar verwachting ongeveer 30% van de bevolking van een staat zijn, gezien de dekking van de markt van Healthverity. Om de vertrouwelijkheid en de causale inferentieprincipes van consistentie, positiviteit en uitwisselbaarheid, resultaten, covariaten en subgroepen te behouden, zullen ten minste 10 personen in elke categorie hebben voor opname in outputs. Gedurende het protocol wordt dit "als de steekproefgrootte het toelaat" genoemd.

   Gegevensbeheer

   Claims en vaccinregistratiegegevens vernieuwen worden door Healthverity Maandelijks geleverd. Alle hierboven beschreven Healthverity -gegevens worden opgeslagen in de gegevensinfrastructuur van Pfizer. Gegevens worden opgevraagd en geanalyseerd met behulp van Statistical Analysis System (SAS) en/of R. De Healthverity Claims, Mortality en Vaccine Registries worden opgeslagen als afzonderlijke databases en, vanwege de aard van de gegevensgebruikovereenkomst, op een andere server dan alle andere gegevens van de onderneming. De gegevens zijn alleen toegankelijk voor Pfizer -collega's die zijn getraind en goedgekeurd om toegang te krijgen tot het datawarehouse van Pfizer.

   Kortom, alle gegevens in het jaar voorafgaand aan de index tot 6 maanden na de index voor personen die voldoen aan inclusie- en uitsluitingscriteria die zijn gedetailleerd in sectie 9.1 worden geëxtraheerd.

   Gegevensanalyse

   Gegevens worden geëxtraheerd met behulp van gestandaardiseerde macro -scripts door twee ervaren programmeurs, met alle discrepanties opgelost vóór de aflevering van de eindresultaten. Beschrijvende analyses zullen de verdeling van sociodemografische en klinische kenmerken in laatste cohorten vergelijken.

   Tijdafhankelijke COX-modellen voor proportionele gevaren zullen worden gebruikt om het gevaar van elke uitkomst van rente te schatten met tijdafhankelijke blootstelling en tijdgerichte covariaten, resulterend in aangepaste hazard ratio's (AHR) en 95% betrouwbaarheidsintervallen (95% BI).

   Gedetailleerde methodologie voor samenvatting en statistische analyses van gegevens die in deze studie zijn verzameld, worden gedocumenteerd in een SAP, dat wordt gedateerd, ingediend en onderhouden door de sponsor. Het SAP kan de in het protocol beschreven plannen wijzigen; Alle belangrijke wijzigingen van primaire eindpuntdefinities of hun analyses zouden worden weerspiegeld in een protocolwijziging.

   Kwaliteitscontrole

   Gegevens in de database van Healthverity worden maandelijks in een elektronisch formaat verstrekt. Healthverity gebruikt zijn tokenisatieproduct om patiënten tussen verschillende gegevensbronnen met hoge nauwkeurigheid te matchen. Elke maandelijkse levering van gegevens bevat een kwaliteitscontroleverslag, dat samen werd gecreëerd tussen de experts op het gebied van Healthverity en Pfizer Subject Matterse om de voortdurende kwaliteit te waarborgen. Alle analyses worden intern uitgevoerd en volgens Pfizer -analytische normen, inclusief dubbele programmering om kwaliteitscontrole te garanderen.

   Beperkingen van de onderzoeksmethoden

   • Sommige, maar niet alle, staten hebben COVID-19 vaccinrapportagemandaten, die vereist zijn voor vaststelling van niet-gevaccineerde status. Daarom mogen de resultaten van deze studie met behulp van staten met verplichte rapportageverslagen niet generaliseren naar andere gebieden van het land. Een verscheidenheid aan geografische, sociodemografische en gezondheidskenmerken is echter opgenomen in de opgenomen populaties.
   • Er is geen laboratoriumbevestiging van de COVID-19-diagnose. Het is moeilijk om de richting van vooringenomenheid te weten die deze beperking kan creëren. Het is mogelijk dat sommige patiënten alleen worden gediagnosticeerd met symptomen alleen (oververzekering van de resultaten van interesse) of dat we positieve gevallen missen als gevolg van thuis-testen (onderveroving van uitkomsten van interesse).
   • De resultaten van deze studie kunnen verschillen van die van VE -onderzoeken met behulp van andere gegevensbronnen, zoals Kaiser Permanente van Zuid -Californië of de Veterans Administration.
   • Pogingen om verwarring aan te pakken, kunnen mogelijk niet volledig rekening houden met confounders.