Reparations for Black American descendants of persons enslaved in the U.S. and their potential impact on SARS-CoV-2 transmission
Notice bibliographique
Résumé
In the United States, Black Americans are suffering from a significantly disproportionate incidence of COVID-19. Going beyond mere epidemiological tallying, the potential for racial-justice interventions, including reparations payments, to ameliorate these disparities has not been adequately explored. We compared the COVID-19 time-varying Rt curves of relatively disparate polities in terms of social equity (South Korea vs. Louisiana). Next, we considered a range of reproductive ratios to back-calculate the transmission rates βi→j for 4 cells of the simplified next-generation matrix (from which R0 is calculated for structured models) for the outbreak in Louisiana. Lastly, we considered the potential structural effects monetary payments as reparations for Black American descendants of persons enslaved in the U.S. would have had on pre-intervention βi→j and consequently R0. Once their respective epidemics begin to propagate, Louisiana displays Rt values with an absolute difference of 1.3–2.5 compared to South Korea. It also takes Louisiana more than twice as long to bring Rt below 1. Reasoning through the consequences of increased equity via matrix transmission models, we demonstrate how the benefits of a successful reparations program (reflected in the ratio βb→b/βw→w) could reduce R0 by 31–68%. While there are compelling moral and historical arguments for racial-injustice interventions such as reparations, our study considers potential health benefits in the form of reduced SARS-CoV-2 transmission risk. A restitutive program targeted towards Black individuals would not only decrease COVID-19 risk for recipients of the wealth redistribution; the mitigating effects would also be distributed across racial groups, benefiting the population at large.
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 | 0,003 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».