MétaCan
Menu
Retour à la cohorte
Enregistrement W1982797147 · doi:10.1002/hec.1554

The possible macroeconomic impact on the UK of an influenza pandemic

2009· article· en· W1982797147 sur OpenAlexaboutno aff
Marcus Keogh-Brown, Simon Wren‐Lewis, W. John Edmunds, Philippe Beutels, Richard Smith

Notice bibliographique

RevueHealth Economics · 2009
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésPandemicEconomic impact analysisInfluenza pandemicQuarter (Canadian coin)PopulationEconomicsConsumption (sociology)Development economicsPandemic influenzaCoronavirus disease 2019 (COVID-19)DiseaseDemographyDemographic economicsGeographyEconomic growthMedicineEnvironmental healthInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Little is known about the possible impact of an influenza pandemic on a nation's economy. We applied the UK macroeconomic model 'COMPACT' to epidemiological data on previous UK influenza pandemics, and extrapolated a sensitivity analysis to cover more extreme disease scenarios. Analysis suggests that the economic impact of a repeat of the 1957 or 1968 pandemics, allowing for school closures, would be short-lived, constituting a loss of 3.35 and 0.58% of GDP in the first pandemic quarter and year, respectively. A more severe scenario (with more than 1% of the population dying) could yield impacts of 21 and 4.5%, respectively. The economic shockwave would be gravest when absenteeism (through school closures) increases beyond a few weeks, creating policy repercussions for influenza pandemic planning as the most severe economic impact is due to policies to contain the pandemic rather than the pandemic itself.Accounting for changes in consumption patterns made in an attempt to avoid infection worsens the potential impact. Our mild disease scenario then shows first quarter/first year reductions in GDP of 9.5/2.5%, compared with our severe scenario reductions of 29.5/6%. These results clearly indicate the significance of behavioural change over disease parameters.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,239

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,301
Tête enseignante GPT0,486
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations187
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetCOVID-19 epidemiological studiesTravaux en français237 207