Covid-19 Lockdown Cost/Benefits: A Critical Assessment of the Literature
Notice bibliographique
Résumé
An examination of over 100 Covid-19 studies reveals that many relied on false assumptions that over-estimated the benefits and under-estimated the costs of lockdown. The most recent research has shown that lockdowns have had, at best, a marginal effect on the number of Covid-19 deaths. Generally speaking, the ineffectiveness stemmed from individual changes in behavior: either non-compliance or behavior that mimicked lockdowns. The limited effectiveness of lockdowns explains why, after more than one year, the unconditional cumulative Covid-19 deaths per million is not negatively correlated with the stringency of lockdown across countries. Using a method proposed by Professor Bryan Caplan along with estimates of lockdown benefits based on the econometric evidence, I calculate a number of cost/benefit ratios of lockdowns in terms of life-years saved. Using a mid-point estimate for costs and benefits, the reasonable estimate for Canada is a cost/benefit ratio of 141. It is possible that lockdown will go down as one of the greatest peacetime policy failures in modern history.
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 | 0,112 | 0,315 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,049 | 0,028 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,012 | 0,015 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».