Economic incentives for the wildlife trade and costs of epidemics compared across individual, national, and global scales
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.
Notice bibliographique
Résumé
Abstract The wildlife trade drives biodiversity loss and zoonotic disease emergence, and the health and economic impacts of COVID‐19 have sparked discussions over stricter regulation of the wildlife trade. Yet regulation for conservation and health purposes is at odds with the economic incentives provided by this multibillion‐dollar industry. To understand why the wildlife trade persists despite associated biodiversity and global health threats, we used a benefit–cost approach using simple calculations to compare the economic benefits of the wildlife trade at the individual, national, and global scales to the costs of COVID‐19, severe acute respiratory syndrome (SARS), and Ebola disease across scenarios of epidemic frequency. For COVID‐19, benefits of the wildlife trade outweigh costs at individual scales, but costs far exceed benefits at national and global scales, particularly if epidemics were to become frequent. For SARS and Ebola, benefits outweigh costs at all scales, except if Ebola‐like epidemics were to become frequent. The wildlife trade produces net benefits for people who depend on wildlife for food and income but incurs net costs on stakeholders at larger scales from increased epidemic risk. While our analysis omits a variety of costs and benefits that are difficult to quantify and contrast, our analysis is meant to illustrate the distributional outcomes across stakeholder groups that could result from increased wildlife trade regulation. Importantly, the feasibility of trade regulatory policies will depend on how these benefits and costs compare across groups and would therefore need to involve accessible and attractive alternative sources of food and livelihoods for those who depend on the wildlife trade.
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 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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 découle