Income inequality and pandemics: insights from HIV/AIDS and COVID-19—a multicountry observational study
Notice bibliographique
Résumé
OBJECTIVES: Assess the relationship between income inequality and HIV incidence, AIDS mortality and COVID-19 mortality. DESIGN: Multicountry observational study. SETTING: 217 countries for HIV/AIDS analysis, 151 countries for COVID-19 analysis. PARTICIPANTS: Used three samples of national-level data: a sample of all countries with available data (global sample), a subsample of African countries (African sample) and a subsample excluding African countries (excluding African sample). MAIN OUTCOME MEASURES: HIV incidence rate per 1000 people, AIDS mortality rate per 100 000 people and COVID-19 excess mortality rate per 100 000 people. The Gini index of income inequality was the primary explanatory variable. RESULTS: A positive and significant relationship exists between the Gini index of income inequality and HIV incidence across all three samples (p<0.01), with the effect of income inequality on HIV incidence being higher in the African sample than in the rest of the world. Also, a statistically positive association exists for all samples between income inequality and the AIDS mortality rate, as higher income inequality increases AIDS mortality (p<0.01). For COVID-19 excess mortality rate, a positive and statistically significant relationship exists with the Gini index for the entire sample and the excluding African sample (p<0.05), but the African sample alone did not deliver significant results (p<0.1). CONCLUSION: COVID-19 excess deaths, HIV incidence and AIDS mortality are significantly associated with income inequality globally-more unequal countries have a higher HIV incidence, AIDS mortality and COVID-19 excess deaths than their more equal counterparts. Income inequality undercuts effective pandemic response. There is an urgent need for concerted efforts to tackle income inequality and to build pandemic preparedness and responses that are adapted and responsive to highly unequal societies, prioritising income inequality among other social determinants of health.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».