Perception of health risks in Lao market vendors
Notice bibliographique
Résumé
Wet markets are a critical part of South-East Asian culture and economy. However, their role in circulation and transmission of both endemic and emerging disease is a source of concern in a region considered a hotspot of disease emergence. In the Lao People's Democratic Republic (Lao PDR, Laos), live and dead wild animals are frequently found in wet markets, despite legislation against the bushmeat trade. This is generally considered to increase the risk of disease transmission and emergence, although whether or not wildlife vendors themselves have indeed increased incidence of zoonotic disease has rarely been assessed. In preparation for a future longitudinal study of market vendors investigating vendors' exposure to zoonotic pathogens, we conducted a pilot survey of Lao market vendors of wildlife meat, livestock meat and vegetables, to identify demographic characteristics and potential control groups within markets. We also investigated baseline risk perception for infectious diseases among market vendors and assessed the association between risk perception and risk mitigation behaviours. The surveys conducted with 177 vendors revealed similar age, sex, ethnic background and geographical origin between vendor types, but differences in professional background and work history for livestock meat vendors. The perception of disease risk was very low across all vendors, as was the reported use of personal protective equipment, and the two appeared unrelated. Personal risk discounting and assumptions about transmission routes may explain this lack of association. This information will help inform the development of future research, risk communication and risk mitigation policy, especially in the light of the COVID-19 pandemic.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».