Measuring short-term mobility patterns in North America using Facebook advertising data, with an application to adjusting COVID-19 mortality rates
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Patterns in short-term population mobility are important to understand, but the data required to measure such movements are often not available from traditional sources. OBJECTIVE: To investigate patterns in short-term population mobility in all states and provinces in the United States and Canada using data collected from Facebook’s advertising platform. METHODS: We collected daily traveler data from Facebook’s advertising platform, summarized the main characteristic patterns observed across geographic regions, and also used the traveler rates to adjust COVID-19 mortality rates over the period July 2020 to July 2021. RESULTS: Rates of short-term travel vary substantially by geographic area but also by age and sex, with the highest rates of travel generally for males. Strong seasonal patterns are apparent in travel to many areas, with different regions experiencing either increased travel or decreased travel over winter, depending on climate. Further, some areas appear to show marked changes in mobility patterns since the onset of the pandemic. In addition, accounting for travelers in population denominators leads to about a 1% difference in implied mortality rates, with substantial variation across demographic groups and regions. CONCLUSIONS: Short-term population mobility can vary substantially over the course of a year, which has implications for resource planning and the population at risk of health outcomes by geography. CONTRIBUTION: This work highlights the potential for data collected through social media websites to provide insight into short-term mobility patterns.
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.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle