MétaCan
Menu
Retour à la cohorte
Enregistrement W4206172285 · doi:10.46692/9781447361251.004

Pale rider: pandemic inequalities

2021· other· en· W4206172285 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineSocial Sciences
ThématiqueFeminism, Gender, and Intersectionality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicInequalityMathematicsCoronavirus disease 2019 (COVID-19)Mathematical analysisMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

I looked, and behold, a pale horse; and he who sat on it had the name Death … to kill with sword and with famine and with pestilence. Book of Revelation 6: 7–8 Introduction In 1931 Edgar Sydenstricker identified inequalities in the 1918 Spanish flu epidemic, reporting a significantly higher incidence among the working classes. This challenged the widely-held popular, political and scientific consensus of the time that held ‘the flu hit the rich and the poor alike’. In the 2020 COVID-19 pandemic, there have been parallel claims made by politicians and the media: that we are ‘all in it together’ and that the COVID-19 virus ‘does not discriminate’. These claims fly in the face of the significant evidence that the pandemic does in fact kill unequally: COVID-19 deaths are twice as high in the most deprived neighbourhoods as in the most affluent; infection rates are higher in more deprived regions, among people with low incomes, and in urban compared to rural areas. There are also even more stark inequalities by ethnicity and race, with the death rates of minority ethnic communities in the UK, Canada and the US being more than twice as high as their majority White counterparts. This chapter outlines these inequalities, drawing on historical and contemporary international evidence of inequalities in previous respiratory pandemics, ranging from the Spanish flu pandemic of 1918 to the H1N1 outbreak of 2009 and current estimates of social, ethnic and geographical inequalities in the COVID-19 pandemic. It also examines the causes of these inequalities in terms of the unequal burden of risk factors (such as diabetes and respiratory diseases) and the relationship to preexisting inequalities in the social determinants of health, arguing that COVID-19 is a syndemic pandemic. It concludes by reflecting on the longer-term implications of these health inequalities. An unequal pandemic In the very first stages of the pandemic (March to June 2020), it quickly became evident, from the experiences of a variety of countries, that there were significant social and ethnic inequalities in COVID-19 infections, symptom severity, hospitalisation and deaths.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil0,967

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,1540,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,383
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFeminism, Gender, and IntersectionalityTravaux en français237 207