P-305 A media surveillance analysis of COVID-19 workplace outbreaks in Canada and the United States
Notice bibliographique
Résumé
Introduction The news media is one of the most accessible sources of information regarding COVID-19 transmission in the workplace in the absence of other occupational data. Only a few public health agencies in Canada and the United States have publically reported detailed occupation information for non-health care worker COVID-19 cases. Objective We conducted a media surveillance analysis to identify new or emerging occupational groups at risk of exposure to the SARS-CoV-2 virus (‘COVID-19 exposure’). Methods We searched the Factiva database for media articles reporting COVID-19 workplace outbreaks (February 1 - December 22, 2020). Job titles were coded to the 2016 National Occupational Classification (V1.3) and industries to the 2017 North American Industry Classification System (V3.0). Occupations with COVID-19 workplace transmission identified in media articles were compared and contrasted with the same occupation in the Vancouver School of Economics (VSE) COVID Risk Tool by risk rating (seven categories between very high to very low). Results We identified 1,111 unique COVID-19 workplace outbreaks in the media. After nurse aides, orderlies and patient service associates, industrial butchers and meat cutters, poultry preparers and related workers had the most workplace outbreaks reported in the media (n=79) but were rated as medium risk occupations for COVID-19 transmission in the VSE COVID Risk Tool. Outbreaks were also reported in the media among material handlers (n=61) and general farm workers (n=28) but were rated medium-low risk and low risk, respectively. Outbreaks reported in the media among food and beverage services (n=72) and cashiers (n=60) were identified as high risk occupations in the VSE COVID Risk Tool. Conclusion Media surveillance can identify COVID-19 workplace outbreaks and indicate transmission risk. Our results point to key determinants of health that compound the risk of COVID-19 exposure in the workplace, and highlight the importance of collecting occupation data during a 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 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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,021 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».