POLÍTICAS PÚBLICAS EFICIENTES PARA O NOVO CORONAVÍRUS NO MUNDO
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
New Coronavirus (COVID 19) is a pandemic and, among its characteristics, two stand out: its morbidity above the average of viruses and its media capacity. In Brazil, the word “coronavirus”, between the 15th and 21st of March, reached the index 100 on a scale of0 to 100 on Google trends, in Italy it had an index of 64, in the United Kingdom 61, in the United Arab Emirates 52, in France 50, in the United States 48, in Singapore 31, in Sweden 19, in Japan 12, in South Korea 8 and, there are no data on China. The response to the pandemic was regional, each country or, in some cases, each state, province, and city reacted differently to the same challenge. This study looks at the effect of government actions in each country. In a quantitative analysis, using officialdata, it was verified the number of infected and deaths, the restrictions imposed and, at the same time, the effects of it on the level of economic activity in these countries, such as market values. In addition, it was investigated the correlation between effect and cause, in the first quarter of 2020, in the above countries. It was found a strong relation between quarantine and acute recessions, but not between quarantine and a decreased new Coronavirus progression. We conclude that there is a need for an in-depth debate about health systems, information shared between countries and the way COVID 19 could be seen in economic statistics for decades, as it happened with World War I, the Spanish flu and World War II, however, without the global demographic impact characteristic of these three events.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 découle