A Study of COVID-19 and Its Impact on Well Being of Society and Business
Notice bibliographique
Résumé
Pandemic is the worst situation faced by the world in every century. It not only leads to great human loss but unbearable economic loss also. In order to understand the nature & severity of COVID- 19, emerged in the year 2019 in the Wuhan city of China we have studied the great pandemics occurred in 20th century i.e., influenza outbreak in 1918, 1957 and 1968 1918. The objective of this paper was to understand the severity, mitigating strategies and impact of COVID- 19 on the wellbeing of the society. A review research method was followed to collect the information regarding previous pandemic occurred and the prevailing situation of the society. It is being studied that, alike previous pandemics, this pandemic also leads to great human and economic losses all over the world. Transmission rate was so high that in few weeks it covers a large area under its impact. Similar mathematical model SIR (Susceptible- Infectious- Recovered) of transmission used in 20th century was used to understand the transmission process of COVID- 19. As far as mitigating strategies are concerned, it is being observed that similar strategies like travel restrictions, social distancing, home quarantine, school & workplace closure which were used to control influenza pandemics were used to control the current situation. Recommendations were made on the basis of steps taken by the government in order to help the society.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».