MétaCan
Menu
Retour à la cohorte
Enregistrement W3120309971 · doi:10.1177/1948550620979259

The Social Ecology of COVID-19 Cases and Deaths in New York City: The Role of Walkability, Wealth, and Race

2021· article· en· W3120309971 sur OpenAlexaff
Shigehiro Oishi, Youngjae Cha, Ulrich Schimmack

Notice bibliographique

RevueSocial Psychological and Personality Science · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWalkabilityZip codeGeographyCoronavirus disease 2019 (COVID-19)DemographyEnvironmental healthEcologyBuilt environmentMedicineCartographyBiologySociology

Résumé

récupéré en direct d'OpenAlex

The present research examined the zip code level (177 zip codes) prevalence of and deaths associated with COVID-19 in New York City as of May 22, 2020. Walkable zip codes had consistently lower prevalence of ( r = −.49) and deaths ( r = −.15) associated with COVID-19. The mediation analysis showed that the degree of reduction in actual geographical mobility during the lockdown (measured by smartphone GIS data) accounted for geographical variations in the number of confirmed cases and deaths. Residents in wealthy zip codes and walkable zip codes were able to limit geographical mobility, whereas residents in poor zip codes and Black and Hispanic dominant zip codes were not. Finally, the spatial lag regression analysis showed that walkability was a robust predictor of zip code–level prevalence of and deaths associated with COVID-19. Overall, walkability seems to have provided protection against the spread of 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,193
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,006
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,376
Tête enseignante GPT0,510
Écart entre enseignants0,134 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations22
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Psychological and Personality ScienceMême sujetCOVID-19 epidemiological studiesTravaux en français237 207