Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de recherche

L’interaction des avancées technologiques, de l’équité en santé publique et de la gouvernance dans la formation de l’avenir du G7 en tant que catalyseurs du développement durable

365 vues

⸱

DOI :

10.3791/69941

⸱

9 janvier 2026

 ,  ,  ,  , 
1School of Hotel Management, China University of Labor Relations, 2Research and innovation department, Wuzhen Laboratory, 3Office of Institutional Establishment Committee of Jiaxiang County Party Committee, 4School of Economics and Management, Inner Mongolia University of Technology, 5College of Mechanical Engineering, Yangzhou University

Dans cet article

Résumé

Cette étude démontre que la gouvernance est un modérateur essentiel dans la triade synergique de technologie, d’équité en santé et de durabilité dans les pays du G7. Elle révèle une relation en forme de U inversée, montrant que des stratégies intégrées et à long terme alignant ces éléments sont essentielles pour un progrès résilient.

Résumé

Cette étude étudie les dynamiques interdépendantes de l’innovation technologique, de l’équité en santé publique et de la qualité de la gouvernance comme catalyseurs du développement durable dans les économies du G7. En utilisant une méthodologie empirique robuste, incluant des modèles de retard distribué autorégressif transversal (CS-ARDL) et de régression en panel, l’analyse utilise des données longitudinales pour démêler les relations à court et long terme. Les résultats révèlent que ces facteurs forment une triade synergique, la qualité de gouvernance agissant comme un modérateur critique qui amplifie l’impact positif de l’infrastructure numérique. Une découverte novatrice est la relation en forme de U inversée entre la performance du développement durable et ses résultats, indiquant des rendements marginaux décroissants. L’étude établit en outre la santé publique et l’efficacité du marché du travail comme des éléments fondamentaux pour la résilience à long terme. L’implication clé est que les interventions politiques cloisonnées sont insuffisantes ; Parvenir au développement durable nécessite des stratégies intégrées qui alignent consciemment le progrès technologique avec la force institutionnelle et l’investissement en capital humain. Cette étude apporte un cadre empirique novateur pour comprendre les interactions non linéaires et conditionnelles qui façonnent les chemins vers la durabilité des économies avancées.

Introduction

La quête du développement durable représente le défi primordial du XXIe siècle, une entreprise complexe exigeant la réconciliation du progrès économique, de l’inclusion sociale et de la gestion responsable del’environnement. Pour les nations du Groupe des Sept (G7), économies avancées ayant une influence mondiale significative, cette quête est un test crucial de leur leadership à l’ère de lapolycrise 2. Ce paysage contemporain de crises intersectées, d’urgence climatique3, des conséquences perturbatrices de la pandémie et des changements rapides de la Quatrième Révolution industrielle révèle l’insuffisance des réponses sectorielles et souligne la nécessité de cadres intégrés qui traitent les interdépendancessystémiques 4,5. L’innovation technologique est saluée comme un moteur clé pour atteindre les Objectifs de Développement Durable (ODD)6, offrant des outils pour dissocier la croissance des dommages environnementaux et faire progresser le bien-êtrehumain 7. L’intelligence artificielle et le big data peuvent optimiser les systèmes d’énergie renouvelable, tandis que les modèles IoT et économie circulaire promettent une efficacité radicale desressources 8. Parallèlement, la santé numérique et le diagnostic par IA pourraient révolutionner l’accès et la qualité des soinsde santé 4. Pourtant, cette relation est nondéterministe 9. Ces mêmes technologies risquent d’aggraver les biais sociétaux, d’approfondir les fractures numériques et de créer de nouvelles empreintes environnementales, démontrant que leur impact net dépend des cadres sociétaux qui guident leurapplication 10.

Cette éventualité nécessite l’équité en santé publique comme pilier fondamental et référence d’évaluation pour un progrès durable. L’équité en santé, c’est-à-dire l’atteinte du plus haut niveau de santé pour tous, est un élément central de la durabilité sociale et une condition préalable à la résilience et à la stabilité économiques11. La pandémie a clairement illustré comment des résultats sanitaires inéquitables, façonnés par des déterminants socioéconomiques et structurels, érodent le capital humain et la cohésionsociale 12. Par conséquent, les avancées technologiques en santé doivent être intrinsèquement liées aux objectifs d’équité ; sinon, ils risquent de devenir des instruments de disparités supplémentaires, sapant les fondements mêmes des sociétésdurables 13. La gouvernance est le mécanisme de médiation essentiel qui structure activement l’interaction entre la technologie et l’équité14. Elle englobe les institutions, règles et processus spécifiques qui exploitent ou freinent le potentiel technologique pour des finséquitables 15. Pour être efficace dans un contexte de crise poly-économique, la gouvernance doit être transformatrice, allant au-delà des modèles cloisonnés et réactifs. Les attributs clés incluent la qualité réglementaire pour garantir un développement technologique éthique, l’efficacité gouvernementale dans la mise en œuvre de politiques pro-équité, et une responsabilité publique solide pour impliquer la société civile dans la prise de décision16. Grâce à de tels mécanismes, la gouvernance peut aligner l’innovation sur les besoins de la société, par exemple en orientant les investissements en IA vers la réduction des disparités dans les soins de santé plutôt que vers leur amplification. Bien que la littérature existante reconnaisse l’importance de la technologie,de l’équité 17 et de la gouvernance individuellement, un écart important subsiste dans l’analyse concrète de leur interaction synergique en tant que triade intégrée, en particulier dans le contexte duG7 18. Des études antérieures, telles que celles de Kickbusch et al.19 sur la gouvernance et Işık et al.20 sur les défis systémiques, traitent souvent ces éléments en parallèle plutôt que d’examiner leurs liens précis et récursifs. Cette étude vise à combler ce manque en proposant un modèle conceptuel rigoureux qui spécifie les mécanismes par lesquels la gouvernance transformatrice médie la relation technologie-équité. Il applique ensuite ce cadre pour évaluer les politiques des nations du G7, arguant que l’avancement durable ne dépend pas d’un catalyseur unique, mais de l’alignement stratégique délibéré des trois domaines21et de la trajectoire de croissance du PIB des économies du G7 de 1990 à 2022. Les États-Unis affichent constamment la plus grande économie et le PIB projeté le plus élevé, dépassant nettement les autres nations (Figure 1). Le graphique illustre une tendance générale à la hausse pour tous les membres, qui s’est particulièrement accélérée après le début des années 2000, bien que présente des variations notables des taux de croissance. Le Japon et l’Italie présentent des schémas de croissance relativement plus plats par rapport à leurs pairs sur la période observée.

Revue de la littérature
Une base littéraire solide établit que la poursuite du développement durable est un processus intrinsèquement complexe et non linéaire, qui remet en cause les paradigmes simplistes et centrés sur la croissance des22 dernières années. Bien que la définition de la Commission Brundtland reste fondamentale, la recherche contemporaine présente de plus en plus la durabilité comme un problème diabolique caractérisé par des valeurs concurrentes, une incertitude scientifique et des compromisirréductibles 23. Leurs hautes émissions historiques et leurs modes de consommation leur imposent une responsabilité disproportionnée pour être les pionniers de la croissance découplée lorsque l’activité économique est coupée des dommages environnementaux24. Cependant, la littérature révèle un écart important : une tendance à analyser les principaux facilitateurs de cette technologie de transition, de l’équité et de la gouvernance de manière relativement isolée, sous-estimant ainsi la critique de leurs interactionssynergiques. Le discours sur l’avancée technologique est marqué par une tension fondamentale entre l’optimisme technologique et l’examen socio-techniquecritique 26. Les partisans soutiennent que la Quatrième Révolution industrielle offre une boîte à outils inégalée pour les ODD, avec l’IA et le big data prêts à optimiser l’efficacité des ressources, accélérer la transition vers les énergies propres et permettre des modèles d’économiecirculaire 27. Pourtant, un courant critique de la littérature remet puissamment en question cette vision déterministe, présentant la technologie non pas comme une solution neutre mais comme un produit social ancré dans des valeurs et des structuresde pouvoir. Le concept de fracture numérique a évolué au-delà du simple accès pour englober les disparités de compétences, d’utilisation et de résultats, menaçant de créer de nouvelles formes d’inégalités renforcéespar la technologie. De plus, l’empreinte environnementale de la numérisation elle-même, de l’intensité énergétique des centres de données à l’extraction minérale pour le matériel, présente un paradoxe potentiel où les solutions de durabilité contribuent auproblème 30.

Parallèlement, la littérature sur la santé publique a connu un élargissement déterminant, dépassant un focus biomédical pour adopter une perspective d’équité en santé fondée sur les déterminants sociaux de la santé (SDH)31. La pandémie de COVID-19 a servi de validation empirique brutale de ce cadre, démontrant comment les inégalités sociales préexistantes en matière de revenus, de race et de logement se sont traduites par des résultats de santé et un accès aux soins très différents. L’idée cruciale ici est que l’équité en santé n’est pas un résultat secondaire du développement, mais un élément fondamental pour la résilience sociétale et la stabilitééconomique 33. Une population alourdie par des maladies évitables et un accès inégal aux services ne peut pas constituer une société productive ou durable. La recherche contemporaine présente le développement durable comme un problème complexe et complexe, allant au-delà des modèles linéaires centrés surla croissance 34. Pour les nations du G7, cela nécessite des voies pionnières qui découpent l’activité économique des dommages environnementaux, une tâche compliquée par la tendance à analyser ses principaux facilitateurs — la technologie, l’équité et la gouvernance — de manière isolée plutôt que comme un systèmeinterconnecté 35. Une exploration critique des théories de la gouvernance est donc essentielle, car les modèles de gouvernance adaptatifs, polycentriques et collaboratifs fournissent les cadres nécessaires pour gérer des transitions socio-techniques complexes, reliant directement la qualité réglementaire et la responsabilité publique aux résultats36,37. Le discours sur la technologie illustre ce besoin d’intégration gouvernée. Marqué par une tension entre l’optimisme technologique et la critique socio-technique, il met en lumière comment des innovations comme l’IA promettent l’efficacité tout en risquant d’ancrer des biais sociétaux et d’aggraver la fracture numérique38. Ce potentiel est médié par la gouvernance, qui détermine si les politiques atténuent l’empreinte environnementale de la numérisation ou la permettent de saper les objectifsde durabilité 39. De même, la littérature de santé publique, fondée sur les déterminants sociaux de la santé, place l’équité comme un élément fondamental de la résiliencesociétale. La pandémie a brutalement révélé comment les inégalités structurelles se traduisent par des résultats en santé, faisant de la gouvernance de la technologie, comme garantir des ponts par la télémédecine plutôt que d’élargir l’accès, un déterminant direct de l’équité ensanté 41. Ainsi, la littérature révèle que l’équité en santé sert à la fois d’objectif et de référence pour la gouvernance de l’innovation technologique, mettant en lumière leur interaction indissociableet synergique 42. Le réseau de cooccurrence de mots-clés regroupe des thèmes de recherche majeurs dans la littérature sur le développement durable. Le nœud moteur central se connecte à des clusters majeurs comme l’écosystème et la consommation d’énergie, témoignant de la nature multidisciplinaire du domaine. Des groupes thématiques distincts émergent, notamment la santé publique (COVID-19, équité en santé) et les systèmes urbain-industriels (urbanisation, développement industriel). Le réseau souligne la forte et interconnectée relation entre les facteurs environnementaux, sociaux et économiques dans la recherche sur la durabilité (Figure 2).

C’est au cœur de ces tensions que la littérature sur la gouvernance devient primordiale. L’insuffisance des modèles de gouvernance traditionnels, hiérarchiques et sectoriels pour gérer les défis transversaux de la durabilité est largement reconnue43. En réponse, l’accent des chercheurs s’est tourné vers des concepts tels que la gouvernance adaptative, la polycentricité et les partenariats multipartites, qui mettent l’accent sur la collaboration, l’apprentissage et laflexibilité 44. Le défi crucial de gouvernance réside dans la direction de l’innovation technologique vers des objectifs équitables. Cela nécessite non seulement des cadres réglementaires pour la sécurité et l’éthique45, mais aussi des politiques proactives qui orientent les voies d’innovation. Bien que la littérature existante reconnaisse la nature interconnectée de ces défis, l’analyse reste majoritairement sectorielle, examinant la technologie, l’équité et la gouvernance en parallèle plutôt que d’explorer leurs interactions récursives et systémiques. Cet article aborde cette lacune en appliquant un cadre intégratif et médié par la gouvernance pour étudier empiriquement comment les politiques des nations du G7 favorisent ou entravent l’alignement synergique de l’innovation technologique avec les objectifs d’équité en santé, offrant ainsi une évaluation novatrice de la cohérence systémique dans les transitions vers la durabilité.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cette étude emploie une stratégie empirique globale pour étudier les dynamiques interdépendantes de l’innovation technologique, de l’équité en santé publique, de la gouvernance et du développement durable au sein des nations du G7 de 1990 à 2022. L’analyse utilise des techniques avancées de données en panel, notamment les modèles Cross-Sectional Autoregressive Distributed Lag (CS-ARDL) et Common Correlated Effects Mean Group (CCEMG), sélectionnés pour tenir compte de manière robuste de la dépendance transversale et de l’hétérogénéité des pentes entre les économies. Les tests préliminaires confirment la stationnité des données et établissent une cointégration à long terme entre les variables principales. La méthodologie fournit ainsi un cadre rigoureux pour démêler les relations à court et long terme et tester la triade synergique proposée.

Contexte théorique et stratégie empirique
La transition vers un développement durable nécessite des changements structurels profonds au sein des économies avancées, en particulier compte tenu des pressions croissantes du changement climatique et de la dégradation environnementale. La trajectoire historique des nations du G7 a été marquée par des modèles économiques qui reposent fortement sur l’extraction et la consommation intensives des ressources naturelles, une voie fondamentalement insoutenable. En réponse, l’intervention gouvernementale est devenue cruciale, se manifestant principalement par des politiques industrielles visant à dissocier la croissance économique des dommages écologiques. Ces interventions incluent des mandats de conservation des ressources, la promotion de techniques de production innovantes pour réduire les émissions et garantir la conformité réglementaire, ainsi que des changements stratégiques dans les systèmes énergétiques vers des sources renouvelables comme la géothermie pour remplacer les combustibles fossiles. Le défi central réside donc dans l’orchestration d’une transformation structurelle qui réconcilie les objectifs économiques avec les frontières planétaires.

Pour conceptualiser cette transformation, le prisme de la complexité économique est instructif. Elle postule que la puissance économique d’une nation provient de sa capacité à exploiter des connaissances avancées et des capacités spécialisées pour produire des biens et services sophistiqués. Cependant, la relation entre cette complexité et la durabilité environnementale n’est pas déterministe. Comme l’exprime l’Indice de Développement Durable (IDS) d’un pays, il peut être modélisé en fonction de sa productivité multifacette (β = PMF/IDS), révélant une tension critique. D’une part, le développement industriel sophistiqué (IDS) peut intensifier la dégradation environnementale par l’épuisement des ressources et la génération de déchets, un risque pour les économies enfermées dans une fabrication traditionnelle et gourmande en ressources. D’un autre côté, cette même complexité peut être canalisée vers des stratégies industrielles vertes, favorisant l’innovation technologique qui répond aux défis environnementaux et répond à la demande croissante d’énergies renouvelables. Le modèle de recherche conceptuel décrit les interrelations entre les concepts fondamentaux qui stimulent le développement durable. Ce modèle place l’innovation technologique, la santé publique et la qualité de gouvernance comme des sous-éléments directs influençant le système dans son ensemble. Ces facteurs sont montrés comme étant liés à des concepts centraux tels que la durabilité environnementale et la complexité économique, qui sont eux-mêmes liés aux ressources naturelles et à la détérioration environnementale. Le cadre aboutit à une équation du modèle empirique, synthétisant ces relations en une structure analytique testable (Figure 3).

Modèle empirique
Cette étude vise à examiner la relation entre les ressources naturelles, la détérioration environnementale, la qualité de gouvernance (GQ) et la complexité des économies des nations du G7. Nous suggérons le modèle empirique suivant à cet égard.

Équation 1(1)

Soit PH le niveau d’abondance des ressources naturelles, GQ la qualité de la gouvernance, LME le niveau de développement économique, DI l’état des infrastructures numériques, SDI la complexité économique, et TI le degré d’innovation technologique. Nous avons utilisé la notation logarithmique pour les informations statistiques afin d’assurer des résultats précis et statistiquement robustes.

Développement des variables
Nous visons à collecter des données expérimentales sur la corrélation entre la dégradation environnementale dans les pays du G7 de 1990 à 2022 et des facteurs tels que les infrastructures numériques, la qualité de la gouvernance, le développement des ressources naturelles, la complexité économique et le développement économique. Les informations sont présentées dans le tableau 1. La base de données Atlas Media fournit des informations sur la LME par habitant (USD régulier 2017), la qualité de gouvernance (nombre d’inscriptions au secondaire), la complexité économique et les ressources naturelles. La profondeur, l’accessibilité et l’efficacité des institutions financières déterminent l’indicateur composite de l’infrastructure numérique. Le nouvel indice composite TI comprend les émissions de CH4, PM2,5, N2O, CO2 et GHG1. En conséquence, DI et TI peuvent être représentés comme suit :

Équation 2(2)

Équation 3(3)

De plus, les variables de cette étude et leur description sont données dans le tableau 1. L’intégration de la théorie de la courbe de Kuznets environnementale (EKC) dans l’équation 4 peut être brièvement décrite comme suit :

Équation 4(4)

Tests préliminaires
L’initiation de cette approche pragmatique implique d’examiner des ensembles de données empiriques présentant une dépendance transversale. Des chocs partagés inconnus, la mondialisation et une dépendance résiduelle indéfinissable peuvent tous contribuer à la présence de la CSD. De plus, l’estimation des CSD facilite l’articulation des interactions des réseaux sociaux et des chocs mutuels inconnus. Une estimation précise du CSD élimine les paramètres erronés et biaisés, permettant des résultats empiriques efficaces et cohérents. Les tests LM à échelle de Pesaran, LM de Breusch-Pagan, LM à échelle corrigé par biais et CSD de Pesaran sont utilisés dans la recherche actuelle. Le premier des tests fiables de Breusch-Pagan est le test LM, introduit par Breusch etPagan 46. L’équation (5) calcule les statistiques du LM comme suit :

Équation 5(5)

Équation 6(6)

Dans les équations données, ̂ρ2ij, T et N désignent respectivement la corrélation de sections transversales des résidus, de la variable temporelle et du nombre total de sections dans le panneau. Cependant, collecter des données empiriques avec de vastes coupes efficaces n’est pas pratique. Pour répondre à cette limitation, Pesaran47 a introduit le concept d’un test LM à grande échelle.

Équation 7(7)

Le test LM introduit par Pesaran présente des distorsions lorsque la taille de l’échantillon (T) est inférieure au nombre de variables (N). Par conséquent, un test CSD alternatif pouvant être évalué à l’aide de l’équation (8) :

Équation 8(8)

Une fois le CSD déterminé, nous utilisons le test SH pour étudier la variabilité des pentes. Ce test est particulièrement adapté aux ensembles de données panel car il prend en compte la dépendance transversale (CSD) et peut être représenté mathématiquement comme suit :

Équation 9(9)

Équation 10(10)

Tests unitaires racines et cointégration
En utilisant des tests de racines unitaires de deuxième génération, cette étude évalue les qualités stationnaires. Lors de l’évaluation des données, le test de racine unitaire CADF prend en compte les ruptures structurelles et effectue un test primaire sous l’hypothèse sous-jacente que l’effet temporel affecte chaque section transversale et peut être implémenté à la fois dans T > N et N > T. En plus du CADF, nous utilisons également le test de racine unitaire CIPS, qui utilise principalement le CFAD pour augmenter le nombre de décalage et estimer les variations initiales dans l’ensemble de données afin d’analyser Racines unitaires. Une fois les propriétés stationnaires établies, la connexion à long terme entre les variables de données est examinée à l’aide du test de cointégration de Westerlund. Les idées fondamentales de la méthode de Westerlund étudient la cointégration en déterminant si la correction d’erreur est présente pour chaque indicateur séparément ou pour l’ensemble des indicateurs. Une cointégration significative de variations se produit à la fois à court et à long terme. La connexion est intégrée à la méthode.

Calcul pour les déterminants étendus
CS-ARDL, CCEMG et AMG sont utilisés dans la recherche actuelle comme éléments principaux des stratégies analytiques. Premièrement, elle est utilisée dans ce travail car CS-ARDL est une méthode économétrique efficace qui traite à la fois la CSD à court et long terme ainsi que l’hétérogénéité des pentes. Puisque CS-ARDL est fiable lorsque les variables sont combinées en séquence hybride, il est également essentiel pour obtenir de meilleurs résultats. Enfin, il surmonte l’endogénéité dans le modèle empirique en utilisant les moyennes de CS. La méthodologie est structurée pour inclure des tests préliminaires pour le diagnostic de la dépendance transversale (CSD) et du multiplicateur de Lagrange (LM). La stratégie analytique centrale implique le modèle Autoregressive Distributed Lag (ARDL) pour capturer les dynamiques à court et long terme. Cela est complété par deux estimateurs robustes, le Groupe de la moyenne des effets communs corrélés (CCEMG) et le Groupe de la moyenne augmentée (AMG), pour tenir compte de l’hétérogénéité et des facteurs communs dans les données du panel (Figure 4).

Eberhardt et Bond48 ont proposé l’AMG, qui utilisait des effets dynamiques typiques pour contourner la dépendance transversale. Cette stratégie ressemble à la CCEMG pour traiter les questions liées aux statistiques de données de panel. Les statisticiens soutiennent que l’AMG est un mécanisme dynamique prévalent, tandis que le CCEMG est considéré comme une nuisance. De plus, CCEMG calcule les relations linéaires entre les variables qui dépendent les unes des autres et les valeurs moyennes sur différentes sections. L’analyse de régression est ensuite utilisée pour estimer chaque paramètre. D’autre part, l’AMG comporte deux étapes pour évaluer les effets dynamiques partagés des variables non observées. Cela implique d’estimer les paramètres de pente pour chaque groupe de régression et d’ajouter des effets fictifs au OLS du pool. Enfin, pour déterminer la relation causale à long terme entre les variables, nous avons également sélectionné le test de causalité de Dumitrescu et Hurlin. Nous privilégions cette méthode car elle peut être utilisée pour des panneaux déséquilibrés, N > T, et N \ T, et elle peut prévoir la CSD et l’hétérogénéité.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Statistiques descriptives
L’analyse des statistiques descriptives fournit une base essentielle pour interpréter le modèle empirique et évaluer les propriétés du jeu de données. Avant de tester les relations causales, il est essentiel d’examiner la tendance centrale, la dispersion et les caractéristiques de distribution des variables. Dans cette étude, les statistiques de synthèse des variables clés : l’innovation technologique (TI), l’efficacité du marché du travail (LME), l’indice de développement du...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Les résultats empiriques de cette étude fournissent des preuves solides et multifacettes que les trajectoires de développement durable des économies du G7 sont catalysées par un système complexe et interdépendant impliquant innovation technologique, équité en santé publique et qualité de gouvernance. L’analyse confirme qu’il ne s’agit pas de moteurs isolés mais fonctionnent plutôt comme une triade synergique, dont les interactions façonnent fondamentalement les résultats du développement...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Tous les auteurs déclarent ne pas avoir de conflit d’intérêts.

Remerciements

Ce travail a été soutenu par l’équipe de recherche innovante de l’Université chinoise des relations du travail (24JSTD012). Ce travail a également été soutenu par l’équipe du Programme de recherche innovante de l’Université chinoise des relations du travail (24JSTD012).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
PythonFondation logicielle Python
RFondation R

Références

  1. Yin, Y., Chen, T., Pang, J., Hussain, J. The drivers of sustainable development goals in G-7 countries: Navigating the role of climate technology and renewable energy transition. Renew Energy. 240, 122251(2025).
  2. Mac-Seing, M., Gidey, M., Di Ruggiero, E. COVID-19-related global health governance and population health priorities for health equity in G20 countries: A scoping review. Int J Equity Health. 22 (1), 232(2023).
  3. Kickbusch, I., Hornidge, A. K., Gitahi, G., Kamradt-Scott, A. G7 measures to enhance global health equity and security. , (2022).
  4. Islam, H. Nexus of economic, social, and environmental factors on sustainable development goals: The moderating role of technological advancement and green innovation. Innov Green Dev. 4 (1), 100183(2025).
  5. Kickbusch, I., et al. The Lancet and Financial Times Commission on governing health futures 2030: Growing up in a digital world. Lancet. 398 (10312), 1727-1776 (2021).
  6. McBride, B., Hawkes, S., Buse, K. Soft power and global health: The sustainable development goals (SDGs) era health agendas of the G7, G20 and BRICS. BMC Public Health. 19 (1), 815(2019).
  7. Ali, S., et al. Can clean energy and technology address environmental sustainability in G7 under the pre-set of human development. Environ Sci Pollut Res Int. 31 (9), 13800-13814 (2024).
  8. Ahmed, Z. Assessing the interplay between political globalization, social globalization, democracy, militarization, and sustainable development: Evidence from G-7 economies. Environ Sci Pollut Res Int. 31 (7), 11261-11275 (2024).
  9. Singh, B. Reimagining human rights: Harnessing the power of law for global health and sustainable development goals. Hum Rights Glob South. 2 (2), 93-105 (2023).
  10. Ng, N. Y., Ruger, J. P. Global health governance at a crossroads. Glob Health Gov. 3 (2), 1(2011).
  11. Lisk, F., Bindenagel Šehović, a Rethinking global health governance in a changing world order for achieving sustainable development: The role and potential of the 'rising powers'. Fudan J Humanit Soc Sci. 13 (1), 45-65 (2020).
  12. Zhang, K., Bart, J. Turbulent currents or steady streams? Geopolitical risk, governance, and sustainable pathways in the E7. Sustain Dev. , (2025).
  13. Soni, P. K., Kumari, U. Revitalizing health governance: Charting a resilient path for India's future. Intersecting realities of health resilience and governance in India: Emerging domestic and global perspectives. , 55-73 (2025).
  14. Oldani, C., Wouters, J. The G7, anti-globalism and the governance of globalization. , Routledge. Abingdon, UK. (2019).
  15. Frank, N., Friel, S., Arthur, M. Exploring the planetary health equity governance supercluster complex. Earth Syst Gov. 20, 100207(2024).
  16. Zheng, Z., Li, J. Algorithmic care and health equity: Affective labor in assistive platforms for visual disability communities. Front Commun. 10, 1628426(2025).
  17. Nauman, M., Naheed, R., Khan, J. Navigating sustainable horizons: Exploring the dynamics of financial stability, green growth, renewable energy, technological innovation, financial inclusion, and soft infrastructure in shaping sustainable development. Environ Sci Pollut Res Int. 31 (20), 29939-29956 (2024).
  18. Kaya, F., Rashid, M., Esquivias, M. A., et al. Bridging technology and health: A panel analysis of internet use, mobile subscriptions, and health spending in G7. Soc Sci Humanit Open. 12, 101813(2025).
  19. Işık, C., Ongan, S., Islam, H., Menegaki, A. N. A roadmap for sustainable global supply chain distribution: Exploring the interplay of ECON-ESG factors, technological advancement and SDGs on natural resources. Resour Policy. 95, 105114(2024).
  20. Rahman, M. M., Islam Dyuti, T., Tareque, M., Alnour, M. Health expenditure, governance and SDG3 nexus: A longitudinal analysis in BRICS economies. Glob Health. 21 (1), 18(2025).
  21. Simeon, E. O., Hongxing, Y., Sampene, A. K. The role of green finance and renewable energy in shaping zero-carbon transition: Evidence from the E7 economies. Int J Environ Sci Technol. 21 (10), 7077-7098 (2024).
  22. Saba, C. S., Pretorius, M. The impact of artificial intelligence (AI) investment on human well-being in G-7 countries: Does the moderating role of governance matter. Sustain Futures. 7, 100156(2024).
  23. Sharma, R., Anderson, T. The promise and peril of advancing health equity through artificial intelligence. Health Law. , 23-26 (2023).
  24. Liu, H., Zhu, Q., Khoso, W. M., Khoso, A. K. Spatial pattern and the development of green finance trends in China. Renew Energy. 211, 370-378 (2023).
  25. Wu, L., Hussain, S. Navigating the energy transition: Interplay of geopolitics, economic complexity, and environmental governance in OECD countries. Energy Strategy Rev. 57, 101624(2025).
  26. Jang, J., McSparren, J., Rashchupkina, Y. Global governance: Present and future. Palgrave Commun. 2 (1), 1-5 (2016).
  27. Leal-Arcas, R. The future of global economic governance: Balancing trade, sustainability, and social justice. Sustainability. , (2025).
  28. Jin, X., Akram, F. Health inequalities and the influence of economic development, renewable energy, financial growth, and resource use in emerging economies. Front Public Health. 13, 1658192(2025).
  29. Li, J., Imran, A. Sustainable transitions: Navigating green technologies, clean energy, economic growth, and human capital for a greener future. Sustainability. 17 (8), 3446(2025).
  30. Fletcher, C., et al. Earth at risk: An urgent call to end the age of destruction and forge a just and sustainable future. PNAS Nexus. 3 (4), pgae106(2024).
  31. Limei, C., Anathole, U., Sare, Y. A., Amoah, E. Harnessing innovation for a greener future: Unpacking the interplay of natural resources, institutional quality, and green productivity in OECD and BRICS nations. J Knowl Econ. , 1-35 (2025).
  32. Işık, C., Ongan, S., Yan, J., Islam, H. Towards carbon neutrality & COP29 Baku/Azerbaijan-COP30 Belem/Brazil: Exploring the impacts of economic, environmental, social, and governance (ECON-ESG) factors on climate policy uncertainty (CPU) for sustainable development. Heliyon. 11 (3), (2025).
  33. Bilawal Khaskheli, M., et al. Technology advancement and international law in marine policy, challenges, solutions and future prospective. Front Mar Sci. 10, 1258924(2023).
  34. Han, S., Eweade, B. S., Uzun, B., Olanrewaju, V. O. Do technological advancements, globalization, and corruption impact environmental sustainability in Costa Rica? A wavelet quantile-based analysis. Environ Dev Sustain. , 1-30 (2025).
  35. Rahman, M. M., Zahan, F., Islam, M. F. Energy finance strategy and governance nexus with economic growth: Results from emerging economies. PLoS One. 19 (12), e0314286(2024).
  36. Schrecker, T. Globalization, austerity and health equity politics: Taming the inequality machine, and why it matters. Crit Public Health. 26 (1), 4-13 (2016).
  37. Qin, A., et al. Does unequal economic development contribute to the inequitable distribution of healthcare resources? Evidence from China spanning 2001-2020. Glob Health. 20 (1), 2001-2020 (2024).
  38. Işık, C., Ongan, S., Islam, H. Driving energy transition through artificial intelligence: Integrating economic, environmental, social, and governance (ECON-ESG) factors in OECD countries. J Knowl Econ. , 1-27 (2025).
  39. Iqbal, A., Zhang, W., Jahangir, S. Building a sustainable future: The nexus between artificial intelligence, renewable energy, green human capital, geopolitical risk, and carbon emissions through the moderating role of institutional quality. Sustainability. 17 (3), 990(2025).
  40. Bandeira, A., et al. Viewpoint on the intersection among health information, misinformation, and generative AI technologies. JMIR Infodemiol. 5 (1), e69474(2025).
  41. Paunov, C., Planes-Satorra, S. What future for science, technology and innovation after COVID-19. OECD Sci Technol Ind Policy Pap. , (2021).
  42. Storeng, K. T., de Bengy Puyvallée, A., Stein, F. COVAX and the rise of the 'super public private partnership' for global health. Glob Public Health. 18 (1), 1987502(2023).
  43. Cook, E. J., Doherty, S. A., Wallace, R. Preparing the future public health workforce: Fostering global citizenship through the relational employability framework-insights from two case studies. Educ Sci. 14 (11), 1245(2024).
  44. Elkebti, O. A. M., Khalifa, W. M. S. Assessing the Saudi and Middle East green initiatives: The role of environmental governance, renewable energy transition, and innovation in achieving a regional green future. Sustainability. 17 (12), 5307(2025).
  45. Popa Tache, C. E., Săraru, C. S. Evaluating today's multi-dependencies in digital transformation, corporate governance and public international law triad. Cogent Soc Sci. 10 (1), 2370945(2024).
  46. Breusch, T. S., Pagan, A. R. The Lagrange multiplier test and its applications to model specification in econometrics. Rev Econ Stud. 47 (1), 239-253 (1980).
  47. Pesaran, M. H., Schuermann, T., Weiner, S. M. Modeling regional interdependencies using a global error-correcting macroeconometric model. J Bus Econ Stat. 22 (2), 129-162 (2004).
  48. Eberhardt, M., Bond, S. Cross-section dependence in nonstationary panel models: A novel estimator. , (2009).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Étiquettes

Innovation technologiquequalit de la gouvernanceconomies du G7infrastructure num riquer gression sur donn es de panelefficacit du march du travailinvestissement en capital humainforce institutionnelle

Cet article a été publié

Vidéo bientôt disponible

Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.