MétaCan
Menu
Retour à la cohorte
Enregistrement W2054324875 · doi:10.1371/journal.pone.0117938

Information Seeking Regarding Tobacco and Lung Cancer: Effects of Seasonality

2015· article· en· W2054324875 sur OpenAlexaboutno aff
Zhu Zhang, Xiaolong Zheng, Daniel Zeng, Scott J. Leischow

Notice bibliographique

RevuePLoS ONE · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Automation, Chinese Academy of SciencesNational Institutes of HealthChinese Academy of SciencesNational Institute on Drug AbuseNational Natural Science Foundation of China
Mots-clésLung cancerSeasonalityChinaThe InternetEnvironmental healthDemographyMedicineGeographyStatisticsOncologyComputer scienceWorld Wide WebMathematics

Résumé

récupéré en direct d'OpenAlex

This paper conducted one of the first comprehensive international Internet analyses of seasonal patterns in information seeking concerning tobacco and lung cancer. Search query data for the terms "tobacco" and "lung cancer" from January 2004 to January 2014 was collected from Google Trends. The relevant countries included the USA, Canada, the UK, Australia, and China. Two statistical approaches including periodogram and cross-correlation were applied to analyze seasonal patterns in the collected search trends and their associations. For these countries except China, four out of six cross-correlations of seasonal components of the search trends regarding tobacco were above 0.600. For these English-speaking countries, similar patterns existed in the data concerning lung cancer, and all cross-correlations between seasonal components of the search trends regarding tobacco and that regarding lung cancer were also above 0.700. Seasonal patterns widely exist in information seeking concerning tobacco and lung cancer on an international scale. The findings provide a piece of novel Internet-based evidence for the seasonality and health effects of tobacco use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,274

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,268
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetData-Driven Disease SurveillanceTravaux en français237 207