Using Geosocial Networking Apps to Understand the Spatial Distribution of Gay and Bisexual Men: Pilot Study
Notice bibliographique
Résumé
BACKGROUND: While services tailored for gay, bisexual, and other men who have sex with men (gbMSM) may provide support for this vulnerable population, planning access to these services can be difficult due to the unknown spatial distribution of gbMSM outside of gay-centered neighborhoods. This is particularly true since the emergence of geosocial networking apps, which have become a widely used venue for meeting sexual partners. OBJECTIVE: The goal of our research was to estimate the spatial density of app users across Metro Vancouver and identify the independent and adjusted neighborhood-level factors that predict app user density. METHODS: This pilot study used a popular geosocial networking app to estimate the spatial density of app users across rural and urban Metro Vancouver. Multiple Poisson regression models were then constructed to model the relationship between app user density and areal population-weighted neighbourhood-level factors from the 2016 Canadian Census and National Household Survey. RESULTS: A total of 2021 app user profiles were counted within 1 mile of 263 sampling locations. In a multivariate model controlling for time of day, app user density was associated with several dissemination area-level characteristics, including population density (per 100; incidence rate ratio [IRR] 1.03, 95% CI 1.02-1.04), average household size (IRR 0.26, 95% CI 0.11-0.62), average age of males (IRR 0.93, 95% CI 0.88-0.98), median income of males (IRR 0.96, 95% CI 0.92-0.99), proportion of males who were not married (IRR 1.08, 95% CI 1.02-1.13), proportion of males with a postsecondary education (IRR 1.06, 95% CI 1.03-1.10), proportion of males who are immigrants (IRR 1.04, 95% CI 1.004-1.07), and proportion of males living below the low-income cutoff level (IRR 0.93, 95% CI 0.89-0.98). CONCLUSIONS: This pilot study demonstrates how the combination of geosocial networking apps and administrative datasets might help care providers, planners, and community leaders target online and offline interventions for gbMSM who use apps.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».