📄 public and global health

Emerging diseases: when lower vaccine performance in Randomized Clinical Trials means higher economic value

यह शोध पत्र तर्क देता है कि उभरते रोगों के लिए, वैक्सीन प्रभावकारिता परीक्षणों का समय एक ऐसा विरोधाभास उत्पन्न करता है जहाँ प्रकोप के चरम के दौरान रैंडमाइज्ड क्लिनिकल ट्रायल आयोजित करने से सांख्यिकीय अनुमोदन की संभावना तो बढ़ जाती है लेकिन विलंबित कार्यान्वयन के कारण लागत-प्रभावशीलता कम हो जाती है, जबकि प्रारंभिक कार्यान्वयन बेहतर आर्थिक मूल्य प्रदान करता है लेकिन अपर्याप्त संचरण के कारण परीक्षण विफल होने का जोखिम उठाता है।

मूल लेखक: Houy, N., Flaig, J.

प्रकाशित 2026-03-10

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Houy, N., Flaig, J.

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

यहाँ सरल भाषा और रचनात्मक उपमाओं का उपयोग करके शोध पत्र (paper) का स्पष्टीकरण दिया गया है।

मुख्य विचार: "बहुत देर हो जाना" का विरोधाभास (The "Too Late" Paradox)

कल्पना कीजिए कि आप एक शहर के योजनाकार (city planner) हैं जो जंगल की आग को रोकने की कोशिश कर रहे हैं। आपके पास एक नया, जादुई अग्निशामक (fire extinguisher) है। लेकिन पूरे शहर के लिए इसे खरीदने से पहले, आपको यह साबित करने के लिए एक सख्त वैज्ञानिक परीक्षण (क्लिनिकल ट्रायल) करना होगा कि यह काम करता है।

यह शोध पत्र तर्क देता है कि यह सख्त परीक्षण वास्तव में आपको उस समय अग्निशामक खरीदने से रोक सकता है जब आपको इसकी सबसे अधिक आवश्यकता होती है, और तब खरीदने के लिए प्रेरित कर सकता है जब आपको इसकी आवश्यकता नहीं होती।

यह पागलपन भरा लगता है, है ना? आमतौर पर, हम सोचते हैं: "यदि परीक्षण सिद्ध करता है कि अग्निशामक काम करता है, तो हमें इसे खरीदना चाहिए। यदि परीक्षण विफल रहता है, तो हमें नहीं खरीदना चाहिए।"

यह शोध पत्र कहता है: तेजी से फैलने वाली नई बीमारियों की दुनिया में, इसके ठीक विपरीत सच हो सकता है।

उपमा: "फायरफाइटर की दुविधा" (The "Firefighter's Dilemma")

आइए समझते हैं कि यह क्यों होता है, जंगल की आग और एक नए प्रकार के वाटर होज़ (पानी के पाइप) की कहानी का उपयोग करके।

1. सेटअप: अज्ञात आग

कल्पना कीजिए कि एक जंगल में एक नई, रहस्यमय आग लग गई है। कोई नहीं जानता कि यह कितनी तेजी से फैलेगी या कितनी बड़ी होगी।

लक्ष्य: आग को पूरे शहर को जलाने से पहले रोकना।
उपकरण: एक नया वाटर होज़ (वैक्सीन) जो आग को फैलने से रोकता है।
नियम: पूरे शहर पर इस होज़ का उपयोग करने से पहले, हमें जंगल के एक छोटे से हिस्से पर परीक्षण करना होगा ताकि यह देखा जा सके कि क्या यह होज़ वास्तव में आग बुझाता है।

2. जाल: परीक्षण कब करें?

परिदृश्य A: बहुत जल्दी परीक्षण करना (The "False Negative")
कल्पना कीजिए कि आप परीक्षण तब करते हैं जब आग केवल एक छोटी सी चिंगारी है।

क्या होता है: आप अपने होज़ से उस चिंगारी पर पानी छिड़कते हैं। चिंगारी बुझ जाती है। लेकिन रुकिए, वह चिंगारी अपने आप भी बुझ जाती क्योंकि वहाँ ईंधन बहुत कम था!
परिणाम: आपका परीक्षण दिखाता है कि होज़ ने कुछ विशेष नहीं किया। डेटा कहता है, "यह होज़ बेकार है!"
वास्तविकता: आग अभी भी छोटी है। यदि आपने अभी पूरे शहर पर पानी छिड़क दिया होता, तो आप सब कुछ बचा लेते। लेकिन क्योंकि परीक्षण "विफल" रहा, इसलिए आपने होज़ को फेंक दिया। आपने कार्य करने का सबसे सही अवसर खो दिया।

परिसूची B: चरम सीमा पर परीक्षण करना (The "False Positive")
कल्पना कीजिए कि आप परीक्षण करने के लिए तब तक प्रतीक्षा करते हैं जब तक कि आग भीषण रूप ले न ले और हर तरफ बड़ी लपटें न उठ जाएं।

क्या होता है: आप पेड़ों के एक समूह पर होज़ से पानी छिड़कते हैं। आग इतनी तीव्र है कि बिना होज़ के वे पेड़ तुरंत जल जाते। होज़ के साथ, वे बच जाते हैं।
परिणाम: परीक्षण एक बड़ा अंतर दिखाता है! "वाह, यह होज़ अद्भुत है! इसने पेड़ों को बचाया!" डेटा कहता है, "यह होज़ 100% प्रभावी है!"
वास्तविकता: इस "प्रमाण" को प्राप्त करने तक, आग पहले ही आधे शहर को जला चुकी है। अब आग अपने आप बुझ रही है क्योंकि इसका ईंधन खत्म हो गया है। यदि आप अब पूरे शहर पर होज़ का उपयोग करते हैं, तो आप उस आग पर पैसा बर्बाद कर रहे हैं जो पहले ही खत्म हो चुकी है। आपने बहुत देर से कदम उठाया।

मुख्य समस्या: "भ्रमित करने वाला संकेत" (The "Confusing Signal")

यह शोध पत्र गणित का उपयोग करके यह दिखाने के लिए करता है कि परीक्षण की सफलता वास्तव में एक संकेत है कि कार्रवाई करने के लिए बहुत देर हो चुकी है।

परीक्षण में उच्च विश्वास (The "Green Light"): यह आमतौर पर तब होता है जब बीमारी तेजी से फैल रही होती है (आग भीषण रूप ले रही होती है)। इसका अर्थ है कि महामारी अपने चरम पर है। यदि आप इस प्रमाण की प्रतीक्षा करते हैं, तो आप अर्थव्यवस्था या आबादी को बचाने के लिए बहुत देर कर चुके होते हैं। वैक्सीन तकनीकी रूप से "प्रभावी" है, लेकिन यह "लागत-प्रभावी" (cost-effective) नहीं है क्योंकि नुकसान पहले ही हो चुका है।
परीक्षण में कम विश्वास (The "Red Light"): यह तब होता है जब बीमारी धीरे-धीरे फैल रही होती (आग केवल एक चिंगारी होती)। परीक्षण एक विफलता जैसा दिखता है क्योंकि शुरुआत में बहुत कम लोग बीमार पड़े थे। लेकिन यही टीकाकरण करने का सही समय है! यदि आप अभी टीकाकरण करते हैं, तो आप आग शुरू होने से पहले ही उसे रोक सकते हैं।

"सिम्पसन का विरोधाभास" (Simpson's Paradox) मोड़

लेखक सिम्पसन के विरोधाभास नामक एक सांख्यिकीय ट्रिक की ओर इशारा करते हैं।

कल्पना कीजिए कि आप डेटा देखते हैं और कहते हैं, "जब परीक्षण कहता है कि वैक्सीन काम करती है, तो हमें इसका उपयोग करना चाहिए।"

लेकिन: वे समय जब परीक्षण कहता है "यह काम करता है", वे समय हैं जब आग पहले ही बुझ रही है।
और: वे समय जब परीक्षण कहता है "यह काम नहीं करता", वे समय हैं जब आग अभी शुरू ही हुई है।

इसलिए, यदि आप आँख मूंदकर परीक्षण के परिणामों का पालन करते हैं, तो आप अंततः:

वैक्सीन को अस्वीकार कर देते हैं जब वह सब कुछ बचा सकती थी (क्योंकि परीक्षण खराब दिख रहा था)।
वैक्सीन को स्वीकार कर लेते हैं जब वह पैसे की बर्बादी है (क्योंकि परीक्षण बहुत अच्छा दिख रहा था, लेकिन आग पहले ही खत्म हो चुकी थी)।

निष्कर्ष: स्क्रिप्ट को पलट दें (Flip the Script)

यह शोध पत्र सुझाव देता है कि नई और अज्ञात बीमारियों के लिए, हमें शायद अपने तर्क को पलटने की आवश्यकता है:

यदि परीक्षण विफलता जैसा दिखता है (क्योंकि पर्याप्त लोग बीमार नहीं पड़े जिससे यह सिद्ध हो सके कि यह काम करता है), तो वह वास्तव में तुरंत टीकाकरण करने का संकेत है। हम खेल के शुरुआती चरण में हैं, और हम प्रकोप को रोक सकते हैं।
यदि परीक्षण एक बड़ी सफलता जैसा दिखता है (यह सिद्ध करता है कि वैक्सीन प्रभावी है), तो यह वास्तव में प्रतीक्षा करने या टीकाकरण न करने का संकेत है। प्रकोप संभवतः अपने चरम पर पहुँच चुका है, और नुकसान पहले ही हो चुका है।

संक्षेप में

एक वैक्सीन ट्रायल को मौसम रिपोर्ट की तरह समझें।

यदि रिपोर्ट कहती है, "निश्चित रूप से बारिश होने वाली है!" (उच्च विश्वास), तो इसका मतलब हो सकता है कि तूफान गुजर चुका है, और आपको अब छतरी की आवश्यकता नहीं है।
यदि रिपोर्ट कहती है, "यह कहना कठिन है कि बारिश होगी या नहीं," (कम विश्वास), तो इसका मतलब हो सकता है कि बादल अभी इकट्ठा हो रहे हैं, और आपको तूफान आने से पहले अभी छतरी पकड़ लेनी चाहिए।

यह शोध पत्र चेतावनी देता है कि नई बीमारियों की दौड़ में, पूर्ण प्रमाण की प्रतीक्षा करना हमें जीत से वंचित कर सकता है। कभी-कभी, अपूर्ण जानकारी पर कार्य करना ही जीतने का एकमात्र तरीका होता है।

यहाँ निकोलस ह्यू और जूलियन फ्लेग के शोध पत्र "Emerging diseases: when lower vaccine performance in Randomized Clinical Trials means higher economic value" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

यह शोध पत्र उभरते हुए संक्रामक रोगों (जैसे, "डिजीज X") के संबंध में सार्वजनिक स्वास्थ्य निर्णय लेने की एक महत्वपूर्ण विसंगति (paradox) को संबोधित करता है।

पारंपरिक धारणा: नियामक निकाय और स्वास्थ्य अर्थशास्त्री आमतौर पर यह मानते हैं कि किसी वैक्सीन की नैदानिक प्रभावकारिता (जो फेज III रैंडमाइज्ड क्लिनिकल ट्रायल्स या RCTs के माध्यम से प्रदर्शित होती है) उसके आर्थिक मूल्य (लागत-प्रभावशीलता) के साथ सकारात्मक रूप से सह-संबंधित होती है। RCT में उच्च सांख्यिकीय सार्थकता (statistical significance) को अनुमोदन और कार्यान्वयन के लिए एक पूर्व शर्त के रूप में देखा जाता है।
त्रुटि: लेखक तर्क देते हैं कि अनिश्चित मापदंडों और गतिशील संचरण (dynamic transmission) वाले उभरते रोगों के लिए, RCT के परिणाम इष्टतम समय और आर्थिक मूल्य के संबंध में भ्रामक हो सकते हैं।
मुख्य संघर्ष:
- महामारी का प्रारंभिक चरण: संचरण कम होता है। यहाँ किया गया एक RCT सांख्यिकीय प्रभावकारिता प्रदर्शित करने में विफल रहने की संभावना होती है (दोनों समूहों में संक्रमण के मामले कम होने के कारण), फिर भी यही वह सटीक क्षण होता है जब टीकाकरण अभियान उच्चतम आर्थिक और स्वास्थ्य लाभ प्रदान करेगा (महामारी को रोकने के लिए)।
- चरम/अंतिम चरण (Peak/Late Stage): संचरण उच्च होता है। यहाँ किया गया एक RCT उच्च प्रभावकारिता प्रदर्शित करने में सफल होने की संभावना होती है (कंट्रोल ग्रुप में बहुत अधिक संक्रमण होने के कारण), लेकिन तब तक महामारी अपने चरम पर पहुँच चुकी होती है या उस बिंदु को पार कर चुकी होती है जहाँ सामूहिक टीकाकरण लागत-प्रभावी होता है।

2. कार्यप्रणाली (Methodology)

लेखक इस परिकल्पना का परीक्षण करने के लिए स्टोकेस्टिक गणितीय मॉडलिंग दृष्टिकोण को मोंटे कार्लो सिमुलेशन (Monte Carlo simulations) के साथ जोड़कर उपयोग करते हैं।

महामारी विज्ञान मॉडल (Epidemiological Model):
- एक बंद, समरूप जनसंख्या ( $N = 10^8$ व्यक्ति) के लिए एक नियतात्मक SIR (Susceptible-Infectious-Recovered) मॉडल का उपयोग किया गया है।
- मापदंडों में मूल प्रजनन संख्या ( $R_0$ ), रिकवरी दर ( $\gamma$ ), और वैक्सीन प्रभावकारिता ( $\alpha$ ) शामिल हैं।
- अनिश्चितता: निर्णय लेने वाले के पास इन मापदंडों के बारे में पूर्व विश्वास (prior beliefs) हैं (जिन्हें Gamma, Lognormal, और Uniform वितरण के रूप में मॉडल किया गया है), लेकिन वे उनके वास्तविक मूल्यों को नहीं जानते।
- समयरेखा (Timeline): रोग $t=0$ पर उभरता है। एक वैक्सीन उम्मीदवार $T_v$ समय पर एक RCT के लिए उपलब्ध होता है।
RCT डिजाइन:
- एक फेज III RCT का अनुकरण $n=50,000$ प्रतिभागियों के साथ किया गया है, जिन्हें नियंत्रण समूह (control group) और उपचार समूह (treatment group) में समान रूप से विभाजित किया गया है।
- ट्रायल की अवधि $T_c = 100$ दिन निर्धारित की गई है।
- सांख्यिकीय परीक्षण: प्रभावकारिता का आकलन पॉइसन प्रक्रियाओं (Poisson processes) को मानते हुए Z-स्कोर टेस्ट का उपयोग करके संक्रमण गणनाओं ( $e_0$ बनाम $e_1$ ) की तुलना करके किया जाता है। प्रभावकारिता तब "प्रदर्शित" मानी जाती है जब p-वैल्यू $< 0.05$ (95% विश्वास) हो।
आर्थिक ढांचा (Economic Framework):
- लागत: संक्रमण की दैनिक लागत ( $c_i$ , सामान्यीकृत मान 1) और प्रति वैक्सीन खुराक की लागत ( $c_v$ )।
- उद्देश्य: समय-छूट वाले (time-discounted) संक्रमण-दिनों की संख्या को टीकाकरण की लागत से घटाकर न्यूनतम करना।
- तुलना किए गए रणनीतियाँ:
  1. कोई टीकाकरण नहीं (No Vaccination)।
  2. तत्काल टीकाकरण (Immediate Vaccination): $T_v$ पर (RCT की प्रतीक्षा किए बिना)।
  3. अनंतिम टीकाकरण (Unconditional Vaccination): RCT के बाद (परिणाम की परवाह किए बिना)।
  4. मानक रणनीति ( $CT_{95}$ ): केवल तभी टीकाकरण करें जब RCT प्रभावकारिता प्रदर्शित करे (p < 0.05)।
  5. विपरीत रणनीति ( $CT'_{95}$ ): केवल तभी टीकाकरण करें जब RCT प्रभावकारिता प्रदर्शित करने में विफल रहे (p > 0.05)।
सिमुलेशन का पैमाना: मापदंडों के लिए पूर्व वितरणों (prior distributions) से प्राप्त 100,000 स्वतंत्र प्रकोप और RCT सिमुलेशन चलाए गए।

3. मुख्य परिणाम (Key Results)

A. मानक रणनीति ( $CT_{95}$ ) की विफलता

सिमुलेशन के परिणाम दिखाते हैं कि केवल तभी टीकाकरण करने की मानक रणनीति जब प्रभावकारिता सांख्यिकीय रूप से सिद्ध हो ( $CT_{95}$ ), परीक्षण किए गए टीकाकरण लागतों की सीमा में कभी भी इष्टतम रणनीति नहीं होती है।

जब RCT सफल होता है (कम p-वैल्यू), तो यह अक्सर संकेत देता है कि महामारी पहले से ही तीव्र चरण (उच्च संचरण) में है। जब तक ट्रायल समाप्त होता है और वैक्सीन स्वीकृत होती है, तब तक "अनियंत्रित चरम समय" (unmitigated peak time - UPT) अक्सर बीत चुका होता है या निकट होता है, जिससे सामूहिक टीकाकरण कम लागत-प्रभावी हो जाता है।
जब RCT विफल होता (उच्च p-वैल्यू), तो यह अक्सर कम संचरण (प्रारंभिक महामारी) का संकेत देता है। इस परिदृश्य में, तत्काल टीकाकरण अत्यधिक लागत-प्रभावी होता, लेकिन मानक रणनीति वैक्सीन को खारिज कर देती है।

B. विपरीत रणनीति ( $CT'_{95}$ ) की श्रेष्ठता

विपरीत तथ्य कि, केवल तभी टीकाकरण करने की रणनीति जब RCT प्रभावकारिता प्रदर्शित करने में विफल रहता है ( $CT'_{95}$ ), विशिष्ट लागत श्रेणियों ( $2.91 < c_v < 3.41$ ) में मानक रणनीति और यहाँ तक कि अनंतिम टीकाकरण से भी बेहतर प्रदर्शन करती है।

तंत्र (Mechanism): एक "विफल" RCT (उच्च p-वैल्यू) इस बात के संकेत के रूप में कार्य करता है कि महामारी अपने प्रारंभिक चरणों में है (कम संचरण), जिसका अर्थ है कि सुरक्षा के लिए अभी भी एक बड़ी सुग्राही (susceptible) आबादी उपलब्ध है।
मात्रात्मक लाभ: $CT_{95}$ के बजाय $CT'_{95}$ का उपयोग करने से औसतन 44.72 मिलियन संक्रमण-दिन बचाए जाते हैं (सिमुलेशन इकाइयों में)।
सिम्पसन का विरोधाभास (Simpson's Paradox): शोध पत्र रेखांकित करता है कि एक सिम्पसन का विरोधाभास है जहाँ डेटा को एकत्रित (aggregated) बनाम महामारी की गतिशीलता (UPT) द्वारा स्तरीकृत (stratified) करने पर p-वल्वे और लाभ के बीच का सहसंबंध उलट जाता है।
- तेज गतिशीलता (प्रारंभिक UPT): RCT आसानी से पास हो जाते हैं, लेकिन टीकाकरण बहुत देर हो चुकी होती है (नकारात्मक लाभ)।
- धीमी गतिशीलता (विलंबित UPT): RCT अक्सर विफल होते हैं, लेकिन टीकाकरण समय पर होता है (सकारात्मक लाभ)।

C. दृश्य प्रमाण (Visual Evidence)

चित्र 3: टीकाकरण के लाभ और RCT p-वैल्यू के बीच एक सकारात्मक रैखिक प्रतिगमन (linear regression) दिखाता है। इसका तात्पर्य है कि उच्च p-ववेल (प्रभावकारिता के कम प्रमाण) उच्च आर्थिक लाभ के साथ सह-संबंधित हैं।
चित्र 4: UPT (2 वर्ष से नीचे बनाम ऊपर) के आधार पर सिमुलेशन को विभाजित करने पर, प्रत्येक उपसमूह के भीतर प्रतिगमन ढलान (regression slopes) नकारात्मक हो जाते हैं, जो पुष्टि करता है कि समग्र सकारात्मक ढलान महामारी के समय (timing) के भ्रमजनक चर (confounding variable) द्वारा संचालित है।

4. मुख्य योगदान (Key Contributions)

नैदानिक प्रभावकारिता को आर्थिक मूल्य से अलग करना: यह शोध पत्र एक कठोर गणितीय प्रमाण प्रदान करता है कि उभरते रोगों के संदर्भ में, नैदानिक प्रभावकारिता में उच्च सांख्यिकीय विश्वास आवश्यक रूप से उच्च सामाजिक मूल्य का संकेत नहीं देता है। वास्तव में, महामारी की गतिशीलता के कारण वे परस्पर विपरीत हो सकते हैं।
"समय" का भ्रमजनक चर (The "Timing" Confounder): यह महामारी के चरण को एक महत्वपूर्ण भ्रमजनक चर के रूप में पहचानता है। RCT एक फिल्टर के रूप में कार्य करते हैं जो विशिष्ट महामारी चरणों (आमतौर पर शिखर/peak) के लिए चयन करते हैं, जो अक्सर हस्तक्षेप के लिए सबसे कम लागत-प्रभावी समय होते हैं।
वर्तमान निर्णय ढांचे की आलोचना: लेखक स्वास्थ्य अर्थशास्त्र में निहित इस धारणा को चुनौती देते हैं कि "नैदानिक प्रभावकारिता का प्रदर्शन लागत-प्रभावशीलता के लिए एक आवश्यक शर्त है।" वे तर्क देते हैं कि उभरते रोगों के लिए फेज III डेटा पर निर्भर रहना व्यवस्थित रूप से निम्नलिखित कारणों से हानिकारक हो सकता है:
- उन टीकों को खारिज करना जो अत्यधिक लाभकारी हैं (क्योंकि ट्रायल बहुत जल्दी आयोजित किया गया था)।
- उन टीकों को स्वीकृत करना जो बहुत देर से आए हैं और अब लागत-प्रभावी नहीं रहे (क्योंकि वे शिखर के समय स्वीकृत हुए)।
नीतिगत निहितार्थ: अध्ययन सुझाव देता है कि "डिजीज X" परिदृश्यों के लिए, निर्णय लेने की प्रक्रिया को RCT द्वारा प्रभावकारिता की पुष्टि की प्रतीक्षा नहीं करनी चाहिए। इसके बजाय, महामारी विज्ञान मॉडलिंग और पूर्व विश्वासों के आधार पर प्रारंभिक कार्यान्वयन अधिक बेहतर हो सकता है, भले ही इसमें पारंपरिक सांख्यिकीय सार्थकता सीमाओं को दरकिनार करना पड़े।

5. महत्व (Significance)

यह शोध पत्र इसलिए महत्वपूर्ण है क्योंकि यह फेज III क्लिनिकल ट्रायल्स के नैतिक और आर्थिक सिद्धांत को चुनौती देता है।

नैतिक तनाव: जबकि सुरक्षा और प्रभावकारिता सुनिश्चित करने के लिए RCT को नैतिक रूप से अनिवार्य माना जाता है, यह पत्र तर्क देता है कि उभरते रोगों के लिए इनका सख्ती से पालन करने से जीवन रक्षक हस्तक्षेपों में देरी हो सकती है, जिससे भारी सामाजिक लागत आती है।
सार्वजनिक स्वास्थ्य रणनीति: यह सुझाव देता है कि "डिजीज X" परिदृश्यों के लिए, "ट्रायल की प्रतीक्षा करें" वाला मानक दृष्टिकोण त्रुटिपूर्ण है। नीति निर्माताओं को अनुकूलन योग्य (adaptive) रणनीतियों को अपनाना पड़ सकता है जहाँ एक ट्रायल की प्रभावकारिता दिखाने में विफलता (कम मामलों के कारण) को दवा की विफलता के रूप में नहीं, बल्कि इसे तुरंत तैनात करने के संकेत के रूप में देखा जाना चाहिए।
सामान्यीकरण: हालांकि यह उभरते रोगों पर केंद्रित है, लेखक नोट करते हैं कि ये गतिकी मौसमी महामारियों और नए वेरिएंट के उद्भव पर भी लागू होती है, जहाँ संचरण दर तेजी से बदलती रहती है।

निष्कर्षतः, ह्यू और फ्लेग प्रदर्शित करते हैं कि RCT में कम वैक्सीन प्रदर्शन (सांख्यिकीय रूप से) विरोधाभासी रूप से उच्च आर्थिक मूल्य का संकेत दे सकता है, क्योंकि यह इंगित करता है कि हस्तक्षेप को प्रकोप के इष्टतम समय (प्रारंभिक चरण) पर तैनात किया जा रहा है, जबकि उच्च प्रदर्शन अक्सर अवसर हाथ से निकल जाने का संकेत देता है।