MétaCan
Menu
Retour à la cohorte
Enregistrement W4212881037

COVID-19 pandemic and economic scenarios for Ontario

2020· article· en· W4212881037 sur OpenAlexafffundabout
Miguel Casares, Paul Gomme, Hashmat Khan

Notice bibliographique

RevueAcademica-e (Universidad Pública de Navarra) · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensCarleton UniversityCenter for Interuniversity Research and Analysis on Organizations
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMinisterio de Educación y Cultura
Mots-clésCoronavirus disease 2019 (COVID-19)Socioeconomic statusPandemicPublic healthWelfare economicsHumanitiesPolitical scienceGeographySociologyEconomicsDemographyPopulationMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

To study the efficacy of the public policy response to the COVID-19 pandemic, we develop a model of the rich interactions between epidemiology and socioeconomic choices. Preferences feature a 'fear of death' that lead individuals to reduce their social activity and work time in the face of the pandemic. The aggregate effect of these reductions is to slow the spread of the coronavirus. We calibrate the model, including public policies, to developments in Ontario in spring 2020. The model fits the epidemiological data quite well, including the second wave starting in late 2020. We find that socioeconomic interventions work well in the short term, resulting in a rapid drop off in new cases. The long run, however, is governed chiefly by health developments. Welfare cost calculations point to synergies between the health and socioeconomic measures.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,357
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,292
Tête enseignante GPT0,402
Écart entre enseignants0,110 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAcademica-e (Universidad Pública de Navarra)Même sujetCOVID-19 epidemiological studiesTravaux en français237 207