Global ecological analysis of COVID-19 mortality and comparison between “the East” and “the West”
Notice bibliographique
Résumé
Although SARS-CoV-2 was first reported in China and neighbouring countries, the pandemic quickly spread around the globe. This paper explores national drivers of the pandemic and the radically different epidemiology and response in the West and in the East. We studied coronavirus disease (COVID-19) mortality until 31st December 2020, using an ecological study design, considering baseline characteristics and responses that might account for the uneven impact of the pandemic. A multivariable regression model was developed to explore key determinants. Key variables in the West were contrasted with those in the East, and speed of response was examined. Worldwide, 2.24 million COVID-19 deaths were documented in 2020. Western countries reported a median mortality 114 times that of the East (684 vs. 6.0 per million). Significant correlates of mortality in countries with at least 1 million population were median age, obesity prevalence, and democracy index; political stability and experience of SARS in 2002-2003 were protective; health system variables and income inequality were not associated. Outputs of the model were consistent when adjusted for stringency index, timeliness of stay-at-home requirements, and geographical autocorrelation. The West experiences a much higher COVID-19 mortality than the East. Despite structural advantages in the West, delays in national responses early on resulted in a loss of control over the spread of SARS-CoV-2. Although the early success of the East was sustained in the second half of 2020, the region remains extremely vulnerable to COVID-19 until enough people are immunized.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».