Making sense of dictatorships and health outcomes
Notice bibliographique
Résumé
Cuba is an authoritarian state and is poor even by the standards of Latin America. Yet it has managed to achieve levels of life expectancy and infant mortality that (even after adjusting for possible data manipulation)1–3 surpass those observed in advanced economies.4–8 Cuba is not the sole non-democratic regime to have achieved similar outcomes. The former Union of Soviet Socialist Republics (USSR) also stands as a clear example of such a case where there was a rapid increase in health outcomes post-1945, which made the USSR compare favourably with Western Europe9–11 in spite of the fact that it was relatively poorer.12 While it is true that, on average, dictatorships do not seem to improve health outcomes,13 14 Cuba, the USSR, and past or current autocratic regimes in China (especially in the recent outbreak of covid-19)15 or Ethiopia16 are well-known exceptions that are often praised. This is in part due to their impressive accomplishments in spite of low levels of economic development, as argued, in the case of Cuba, by Wenham and Kittelsen8 (pp11–12, 14–15) in this edition of BMJ Global Health . Numerous policy experts and policy-makers have recommended attempting to import the ‘good’ from such regimes (ie, high-quality, cheap healthcare) and leaving behind the ‘bad’ (ie, the non-democratic institutions, repressed private sector economy, the limited respect for human rights and other restrictions imposed by the regime).4–8 17 In this editorial, we point out that such a sorting of the wheat from the chaff is impossible. First, we point out that it is unsurprising to see some dictatorships performing well with regard to health indicators due to their ability to forcibly mandate the allocation of resources towards achieving the regime’s objectives. Second, we point out that there are trade-offs associated with …
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».