“Googling” for Cancer: An Infodemiological Assessment of Online Search Interests in Australia, Canada, New Zealand, the United Kingdom, and the United States
Notice bibliographique
Résumé
BACKGROUND: The infodemiological analysis of queries from search engines to shed light on the status of various noncommunicable diseases has gained increasing popularity in recent years. OBJECTIVE: The aim of the study was to determine the international perspective on the distribution of information seeking in Google regarding "cancer" in major English-speaking countries. METHODS: We used Google Trends service to assess people's interest in searching about "Cancer" classified as "Disease," from January 2004 to December 2015 in Australia, Canada, New Zealand, the United Kingdom, and the United States. Then, we evaluated top cities and their relative search volumes (SVs) and country-specific "Top searches" and "Rising searches." We also evaluated the cross-country correlations of SVs for cancer, as well as rank correlations of SVs from 2010 to 2014 with the incidence of cancer in 2012 in the abovementioned countries. RESULTS: From 2004 to 2015, the United States (relative SV [from 100]: 63), Canada (62), and Australia (61) were the top countries searching for cancer in Google, followed by New Zealand (54) and the United Kingdom (48). There was a consistent seasonality pattern in searching for cancer in the United States, Canada, Australia, and New Zealand. Baltimore (United States), St John's (Canada), Sydney (Australia), Otaika (New Zealand), and Saint Albans (United Kingdom) had the highest search interest in their corresponding countries. "Breast cancer" was the cancer entity that consistently appeared high in the list of top searches in all 5 countries. The "Rising searches" were "pancreatic cancer" in Canada and "ovarian cancer" in New Zealand. Cross-correlation of SVs was strong between the United States, Canada, and Australia (>.70, P<.01). CONCLUSIONS: Cancer maintained its popularity as a search term for people in the United States, Canada, and Australia, comparably higher than New Zealand and the United Kingdom. The increased interest in searching for keywords related to cancer shows the possible effectiveness of awareness campaigns in increasing societal demand for health information on the Web, to be met in community-wide communication or awareness interventions.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,008 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».