MétaCan
Menu
Retour à la cohorte
Enregistrement W4403454012 · doi:10.1186/s12939-024-02301-5

Social epidemiology of urban COVID-19 inequalities in Latin America and Canada

2024· article· en· W4403454012 sur OpenAlexafffundabout
Mathieu J. P. Poirier, Andrea Morales Caceres, Tieneke E. Dykstra, Aline Dayrell Ferreira Sales, Waleska Teixeira Caiaffa

Notice bibliographique

RevueInternational Journal for Equity in Health · 2024
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensCentre for Global Health ResearchYork University
Organismes subventionnairesYork University
Mots-clésSocial policyLatin AmericansCoronavirus disease 2019 (COVID-19)Health services researchPublic healthEpidemiologyInequalitySocial inequalityMedical sociology2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Health policyPandemicPolitical scienceSocial epidemiologyEconomic growthGeographyVirologySocial determinants of healthMedicineEconomicsOutbreakNursingLaw

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has spread through pre-existing fault lines in societies, deepening structural barriers faced by precarious workers, low-income populations, and racialized communities in lower income sub-city units. Many studies have quantified the magnitude of inequalities in COVID-19 distribution within cities, but few have taken an international comparative approach to draw inferences on the ways urban epidemics are shaped by social determinants of health. METHODS: Guided by critical epidemiology, this study quantifies sub-city unit-level COVID-19 inequalities across eight of the largest metropolitan areas of Latin America and Canada. Leveraging new open-data sources, we use concentration indices to quantify income- and vulnerability-related inequalities in incidence, test positivity, and deaths over the first 125 weeks of the pandemic between January 2020 and May 2022. RESULTS: Our findings demonstrate that incidence, deaths, and test positivity are all less concentrated in low-income sub-city units than would be expected, with incidence ranging concentration in lower income neighbourhoods in Toronto (CI = -0.07) to concentration in higher income neighbourhoods in Mexico City (CI = 0.33). Drawing on relevant studies and evaluations of data reliability, we conclude that the best available public surveillance data for the largest cities in Latin America are likely not reliable measures of the true COVID-19 disease burden. We also identify recurring trends in the evolution of inequalities across most cities, concluding that higher income sub-city units were frequent early epicentres of COVID-19 transmission across the Latin America and Canada. CONCLUSIONS: Just as critical epidemiology points to individuals biologically embodying the material and social conditions in which we live, it may be just as useful to think of cities reifying their material and social inequities in the form of sub-city unit-level infectious disease inequities. By shifting away from a typical vulnerability-based social determinants of health frame, policymakers could act to redress and reduce externalities stemming from sub-city unit-level income inequality through redistributive and equity-promoting policies to shift the centre of gravity of urban health inequalities before the next infectious disease epidemic occurs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,042
Score d'incertitude au seuil0,308

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,008
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,574
Tête enseignante GPT0,599
Écart entre enseignants0,025 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Equity in HealthMême sujetCOVID-19 epidemiological studiesTravaux en français237 207