The Sociospatial Network: Risk and the Role of Place in the Transmission of Infectious Diseases
Notice bibliographique
Résumé
Control of sexually transmitted infections and blood-borne pathogens is challenging due to their presence in groups exhibiting complex social interactions. In particular, sharing injection drug use equipment and selling sex (prostitution) puts people at high risk. Previous work examining the involvement of risk behaviours in social networks has suggested that social and geographic distance of persons within a group contributes to these pathogens' endemicity. In this study, we examine the role of place in the connectedness of street people, selected by respondent driven sampling, in the transmission of blood-borne and sexually transmitted pathogens. A sample of 600 injection drug users, men who have sex with men, street youth and homeless people were recruited in Winnipeg, Canada from January to December, 2009. The residences of participants and those of their social connections were linked to each other and to locations where they engaged in risk activity. Survey responses identified 101 unique sites where respondents participated in injection drug use or sex transactions. Risk sites and respondents' residences were geocoded, with residence representing the individuals. The sociospatial network and estimations of geographic areas most likely to be frequented were mapped with network graphs and spatially using a Geographic Information System (GIS). The network with the most nodes connected 7.7% of respondents; consideration of the sociospatial network increased this to 49.7%. The mean distance between any two locations in the network was within 3.5 kilometres. Kernel density estimation revealed key activity spaces where the five largest networks overlapped. Here, the combination of spatial and social entities in network analysis defines the overlap of vulnerable populations in risk space, over and above the person to person links. Implications of this work are far reaching, not just for understanding transmission dynamics of sexually transmitted infections by identifying activity "hotspots" and their intersection with each social network, but also for the spread of other diseases (e.g. tuberculosis) and targeting prevention services.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».