MétaCan
Menu
Retour à la cohorte
Enregistrement W4377832376 · doi:10.1257/pandp.20231092

Gendered Disparities during the COVID-19 Crisis in Sierra Leone

2023· article· en· W4377832376 sur OpenAlexaff
Madison Levine, Niccolò F. Meriggi, Ahmed Mushfiq Mobarak, Vasudha Ramakrishna, Maarten Voors, Uday Wadehra

Notice bibliographique

RevueAEA Papers and Proceedings · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensInternational Development Research Centre
Organismes subventionnairesNederlandse Organisatie voor Wetenschappelijk Onderzoek
Mots-clésSierra leoneCoronavirus disease 2019 (COVID-19)PandemicSocial distanceFood insecurityOutbreakSocioeconomics2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PhoneGeographyFood securityEconomic growthDevelopment economicsEnvironmental healthBusinessDemographic economicsEconomicsMedicineAgricultureVirology

Résumé

récupéré en direct d'OpenAlex

The COVID-19 outbreak had severe adverse impacts on the health and wealth of households in lower-income countries (LICs), and has affected even more severely female-headed households in LICs. Using high-frequency phone surveys in Sierra Leone, we show that female-headed households are likely to rely on cheaper food alternatives (e.g., Cassava) compared to maleheaded households and are more food insecure. These effects are more nuanced among the poorest families owning one or no assets. Furthermore, female-headed households had less access to COVID-19 information, were less likely to adopt preventive measures (e.g., masks and social distancing) at the onset of the pandemic, and show greater signs of vaccine hesitancy in the early stages of the COVID-19 vaccine campaign.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,562

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,053
Tête enseignante GPT0,261
Écart entre enseignants0,208 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAEA Papers and ProceedingsMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207