Assessment of monthly economic losses in Wuhan under the lockdown against COVID-19
Notice bibliographique
Résumé
Abstract With the outbreak of COVID-19 in Wuhan, aggressive countermeasures have been taken, including the implementation of the unprecedented lockdown of the city, which will necessarily cause huge economic losses for the city of Wuhan. In this paper, we attempt to uncover the interactions between epidemic prevention and control measures and economic-social development by estimating the health loss and meso-economic loss from a human-oriented perspective. We implemented a compartmental model for the transmission dynamics and health burden assessment to evaluate the health losses, then estimated the direct and indirect economic losses of industries using the Input-Output model. Based on these estimates, the first monthly health losses and meso-economic losses caused by the lockdown was assessed. The overall policy effect of the lockdown policy in Wuhan was also investigated. The health loss and meso-economic losses are used to evaluate the health burden and loss of residents’ mental health, the direct economic loss of several worst-hit industries, and the indirect economic loss of all industries, respectively. Our findings reveal that the health burden caused by this pandemic is estimated to be 4.4899 billion yuan (CNY), and the loss of residents’ mental health is evaluated to be 114.545 billion yuan, the direct economic losses in transport, logistics, and warehousing, postal service, food, and beverage service industries reach 21.6094 billion yuan, and the monthly indirect economic losses of all industries are 36.39661994 billion yuan caused by the lockdown. The total monthly economic losses during the lockdown reach 177.0413 billion yuan. However, the lockdown policy has been considered to reduce COVID-19 infections by >180 thousand, which saves about 20 thousand lives, as well as nearly 30 billion yuan on medical costs. Therefore, the lockdown policy in Wuhan has obvious long-term benefits on the society and the total economic losses will be at a controllable level if effective measures are taken to combat COVID-19.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».