BALANCING RECOVERY AND RESILIENCE: ECONOMIC CRISIS MANAGEMENT DURING COVID-19
Notice bibliographique
Résumé
In early 2020, the global health landscape was dramatically altered by the emergence of a novel respiratory illness—Coronavirus Disease 2019 (COVID-19)—caused by the SARS-CoV-2 virus. Initially identified in Wuhan, China, the virus quickly spread across international borders, facilitated by global travel and asymptomatic transmission. Particularly lethal to the elderly and individuals with pre-existing health conditions, COVID-19 posed an unprecedented challenge to public health systems and demanded urgent governmental responses. Governments worldwide reacted with varying degrees of urgency and intensity, implementing strategies ranging from selective travel bans to nationwide lockdowns. The virus’s aerosolized transmission, long incubation period, and ability to spread asymptomatically made it especially difficult to contain, with enclosed environments such as nursing homes and cruise ships proving highly vulnerable. Italy emerged as an early epicenter in March 2020, particularly in Lombardy, where initial containment efforts failed to prevent internal migration and the further spread of the virus both within and outside the country. The World Health Organization officially named the virus SARS-CoV-2 and the associated illness COVID-19, recognizing it as a severe acute respiratory syndrome. This identification clarified the threat’s global nature and spurred coordinated, although not always effective, international responses. As the pandemic evolved, it highlighted stark differences in preparedness, health infrastructure, and crisis communication among nations. This study explores the early phase of the COVID-19 pandemic, with a focus on the virus's transmission dynamics, the susceptibility of high-risk populations, and the diverse public health responses implemented globally. Understanding the initial reactions to COVID-19 is critical to evaluating policy effectiveness and preparing for future pandemics.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».