Modeling Years of Life Lost Due to COVID-19, Socioeconomic Status, and Nonpharmaceutical Interventions: Development of a Prediction Model
Notice bibliographique
Résumé
Background: Research in the COVID-19 pandemic focused on the health burden, thereby largely neglecting the potential harm to life from welfare losses. Objective: This paper develops a model that compares the years of life lost (YLL) due to COVID-19 and the potential YLL due to the socioeconomic consequences of its containment. Methods: It improves on existing estimates by conceptually disentangling YLL due to COVID-19 and socioeconomic status. By reconciling the normative life table approach with socioeconomic differences in life expectancy, it accounts for the fact that people with low socioeconomic status are hit particularly hard by the pandemic. The model also draws on estimates of socioeconomic differences in life expectancy to ascertain potential YLL due to income loss, school closures, and extreme poverty. Results: Tentative results suggest that if only one-tenth of the current socioeconomic damage becomes permanent in the future, it may carry a higher YLL burden than COVID-19 in the more likely pandemic scenarios. The model further suggests that the socioeconomic harm outweighs the disease burden due to COVID-19 more quickly in poorer and more unequal societies. Most urgently, the substantial increase in extreme poverty needs immediate attention. Avoiding a relatively minor number of 4 million unemployed, 1 million extremely poor, and 2 million students with a higher learning loss may save a similar amount of life years as saving 1 million people from dying from COVID-19. Conclusions: Primarily, the results illustrate the urgent need for redistributive policy interventions and global solidarity. In addition, the potentially high YLL burden from income and learning losses raises the burden of proof for the efficacy and necessity of school and business closures in the containment of the pandemic, especially where social safety nets are underdeveloped.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».