Income inequality and pandemics: insights from HIV/AIDS and COVID-19—a multicountry observational study
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
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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