Quantify the role of superspreaders -opinion leaders- on COVID-19 information propagation in the Chinese Sina-microblog
Notice bibliographique
Résumé
BACKGROUD: Effective communication of accurate information through social media constitutes an important component of public health interventions in modern time, when traditional public health approaches such as contact tracing, quarantine and isolation are among the few options for the containing the disease spread in the population. The success of control of COVID-19 outbreak started from Wuhan, the capital city of Hubei Province of China relies heavily on the resilience of residents to follow public health interventions which induce substantial interruption of social-economic activities, and evidence shows that opinion leaders have been playing significant roles in the propagation of epidemic information and public health policy and implementations. METHODS: We design a mathematical model to quantify the roles of information superspreaders in single specific information which outbreaks rapidly and usually has a short duration period, and to examine the information propagation dynamics in the Chinese Sina-microblog. Our opinion-leader susceptible-forwarding-immune (OL-SFI) model is formulated to track the temporal evolution of forwarding quantities generated by opinion leaders and normal users. RESULTS: Data fitting from the real data of COVID-19 obtained from Chinese Sina-microblog can identify the different contact rates and forwarding probabilities (and hence calculate the basic information forwarding reproduction number of superspreaders), and can be used to evaluate the roles of opinion leaders in different stages of the information propagation and the outbreak unfolding. CONCLUSIONS: The parameterized model can be used to nearcast the information propagation trend, and the model-based sensitivity analysis can help to explore important factors for the roles of opinion leaders.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».