Using Google Trends to Inform the Population Size Estimation and Spatial Distribution of Gay, Bisexual, and Other Men Who Have Sex With Men: Proof-of-concept Study
Notice bibliographique
Résumé
BACKGROUND: We must triangulate data sources to understand best the spatial distribution and population size of marginalized populations to empower public health leaders to address population-specific needs. Existing population size estimation techniques are difficult and limited. OBJECTIVE: We sought to identify a passive surveillance strategy that utilizes internet and social media to enhance, validate, and triangulate population size estimates of gay, bisexual, and other men who have sex with men (gbMSM). METHODS: We explored the Google Trends platform to approximate an estimate of the spatial heterogeneity of the population distribution of gbMSM. This was done by comparing the prevalence of the search term "gay porn" with that of the search term "porn." RESULTS: Our results suggested that most cities have a gbMSM population size between 2% and 4% of their total population, with large urban centers having higher estimates relative to rural or suburban areas. This represents nearly a double up of population size estimates compared to that found by other methods, which typically find that between 1% and 2% of the total population are gbMSM. We noted that our method was limited by unequal coverage in internet usage across Canada and differences in the frequency of porn use by gender and sexual orientation. CONCLUSIONS: We argue that Google Trends estimates may provide, for many public health planning purposes, adequate city-level estimates of gbMSM population size in regions with a high prevalence of internet access and for purposes in which a precise or narrow estimate of the population size is not required. Furthermore, the Google Trends platform does so in less than a minute at no cost, making it extremely timely and cost-effective relative to more precise (and complex) estimates. We also discuss future steps for further validation of this approach.
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 | 0,035 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».