One country, two crises: what Covid-19 reveals about health inequalities among BAME communities in the United Kingdom and the sustainability of its health system?
Notice bibliographique
Résumé
There has been mounting evidence of the disproportionate involvement of black, Asian and minority ethnic (BAME) communities by the Covid-19 pandemic. In the UK, this racial disparity was brought to the fore by the fact that the first 11 doctors to die in the UK from Covid-19 were of BAME background. The mortality rate from Covid-19 among people of black African descent in English hospitals has been shown to be 3.5 times higher when compared to rates among white British people. A Public Health England report revealed that Covid-19 was more likely to be diagnosed among black ethnic groups compared to white ethnic groups with the highest mortality occurring among BAME persons and persons living in the more deprived areas. People of BAME background account for 4.5% of the English population and make up 21% of the National Health Service (NHS) workforce. The UK poverty rate among BAME populations is twice as high as for white groups. Also, people of BAME backgrounds are more likely to be engaged in frontline roles. The disproportionate involvement of BAME communities by Covid-19 in the UK illuminates perennial inequalities within the society and reaffirms the strong association between ethnicity, race, socio-economic status and health outcomes. Potential reasons for the observed differences include the overrepresentation of BAME persons in frontline roles, unequal distribution of socio-economic resources, disproportionate risks to BAME staff within the NHS workspace and high ethnic predisposition to certain diseases which have been linked to poorer outcomes with Covid-19. The ethnoracialised differences in health outcomes from Covid-19 in the UK require urgent remedial measures. We provide intersectional approaches to tackle the complex racial disparities which though not entirely new in itself, have been often systematically ignored.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,009 | 0,014 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».