Estimating worldwide costs of premature mortalities caused by COVID-19
Notice bibliographique
Résumé
Purpose The purpose of this paper is to provide an estimate of the costs of premature mortality caused by the COVID-19 pandemic. Design/methodology/approach Using COVID-19 pandemic-derived mortality data for November 9, 2020 (globally 1,303,215 deaths) and applying a country-based value of statistical life (VSL), the worldwide cost of premature mortality was assessed. The cost was assessed based on income groups until November 9, 2020 and projected into the future until March 1, 2021 using three scenarios from the Institute for Health Metrics and Evaluation (IHME). Findings The global cost of premature mortality is currently estimated at Int$5.9 trillion. For the high-income group, the current estimated cost is Int$ $4.4 trillion or $3,700 per person. Using IHME projections until March 1, 2021, global premature mortality costs will increase to Int$13.7 trillion and reach Int$22.1 trillion if policies are relaxed, while the cost with 95% universal masks is Int$10.9 trillion. The richest nations will bear the largest burden of these costs, reaching $15,500 per person by March 1, 2021 if policies are relaxed. Originality/value The cost of human lives lost due to the pandemic is unprecedented. Preparedness in the future is the best policy to avoid many premature deaths and severe recessions in order to combat pandemics.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».