Exploring the Effect of Collective Cultural Attributes on Covid-19-Related Public Health Outcomes
Notice bibliographique
Résumé
Infections and deaths associated with COVID-19 show a high degree of heterogeneity across different populations. A thorough understanding of population-level predictors of such outcomes is crucial for devising better-targeted and more appropriate public health preparedness measures. While demographic, economic, and health-system capacity have featured prominently in recent work, cultural, and behavioral characteristics have largely been overlooked. However, cultural differences shape both the public policy response and individuals' behavioral responses to the crisis in ways that can impact infection dynamics and key health outcomes. To address this gap, we used meta-analytic methods to explore the global variability of three public health outcomes (i.e., crude test positivity, case/infection fatality, and mortality risk) during the first wave of the pandemic. This set of analyses identified several cultural/behavioral attributes (e.g., uncertainty avoidance and long-term vs. short-term normative orientation) as independent predictors of public health outcomes after adjusting for key demographic, political, economic, and health-system-related predictors; which were robust in sensitivity analyses. In conclusion, this study clearly demonstrates that cultural attributes do in fact account for some of the global disparities in COVID-19-attributed health outcomes. As a consequence, policymakers should more explicitly consider a society's cultural attributes alongside other important parameters such as demographic characteristics and health system constraints in order to develop better tailored and more effective policy responses.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».