Social Network Analysis on the Mobility of Three Vulnerable Population Subgroups: Domestic Workers, Flight Crews, and Sailors during the COVID-19 Pandemic in Hong Kong
Notice bibliographique
Résumé
BACKGROUND: Domestic workers, flight crews, and sailors are three vulnerable population subgroups who were required to travel due to occupational demand in Hong Kong during the COVID-19 pandemic. OBJECTIVE: The aim of this study was to explore the social networks among three vulnerable population subgroups and capture temporal changes in their probability of being exposed to SARS-CoV-2 via mobility. METHODS: We included 652 COVID-19 cases and utilized Exponential Random Graph Models to build six social networks: one for the cross-sectional cohort, and five for the temporal wave cohorts, respectively. Vertices were the three vulnerable population subgroups. Edges were shared scenarios where vertices were exposed to SARS-CoV-2. RESULTS: The probability of being exposed to a COVID-19 case in Hong Kong among the three vulnerable population subgroups increased from 3.38% in early 2020 to 5.78% in early 2022. While domestic workers were less mobile intercontinentally compared to flight crews and sailors, domestic workers were 1.81-times in general more likely to be exposed to SARS-CoV-2. CONCLUSIONS: Vulnerable populations with similar ages and occupations, especially younger domestic workers and flight crew members, were more likely to be exposed to SARS-CoV-2. Social network analysis can be used to provide critical information on the health risks of infectious diseases to vulnerable populations.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».