National Vulnerability to Pandemics: The Role of Macroenvironmental Factors in COVID‐19 Evolution
Notice bibliographique
Résumé
The aim of this research is to show that vulnerability to pandemics is unequal across nations, and that culture besides other national factors helps unleash some of the disparities. A nation's vulnerability to pandemics is defined as a state of fragility and dereliction at the national level perceptible at the early stage of the emergence of a pathogen when no definite information is available about it and no clear response is in place, creating a dependence on national factors as well as contextual factors. That is, vulnerability reflects the evolution or spread of a nascent pandemic in a given nation. A set of hypotheses that prescribe how a nation's factors would contribute to its vulnerability is developed. Data reflecting the national factors of a sample of countries that reported early COVID-19 cases were collected from secondary sources to test the hypotheses. The results show that, whereas factors such as economy and healthcare had a modest effect, two cultural factors were salient in shaping a nation's vulnerability to COVID-19. Furthermore, poverty prevalence associated with a nation's vulnerability. Delineating how a nation's culture and macroenvironmental factors shape its vulnerability at early stages of pandemic evolution, the results encourage policymakers to extend timely support to nations high on uncertainty avoidance and low on indulgence, as well as where poverty is prevalent. Such nations require proactive measures such as behavioral interventions and communications that are culturally sensitive and inclusive.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».