Economic Recession and Obesity-Related Internet Search Behavior in Taiwan: Analysis of Google Trends Data
Notice bibliographique
Résumé
BACKGROUND: Obesity is highly correlated with the development of chronic diseases and has become a critical public health issue that must be countered by aggressive action. This study determined whether data from Google Trends could provide insight into trends in obesity-related search behaviors in Taiwan. OBJECTIVE: Using Google Trends, we examined how changes in economic conditions-using business cycle indicators as a proxy-were associated with people's internet search behaviors related to obesity awareness, health behaviors, and fast food restaurants. METHODS: Monthly business cycle indicators were obtained from the Taiwan National Development Council. Weekly Taiwan Stock Exchange (TWSE) weighted index data were accessed and downloaded from Yahoo Finance. The weekly relative search volumes (RSV) of obesity-related terms were downloaded from Google Trends. RSVs of obesity-related terms and the TWSE from January 2007 to December 2011 (60 months) were analyzed using correlation analysis. RESULTS: During an economic recession, the RSV of obesity awareness and health behaviors declined (r=.441, P<.001; r=.593, P<.001, respectively); however, the RSV for fast food restaurants increased (r=-.437, P<.001). Findings indicated that when the economy was faltering, people tended to be less likely to search for information related to health behaviors and obesity awareness; moreover, they were more likely to search for fast food restaurants. CONCLUSIONS: Macroeconomic conditions can have an impact on people's health-related internet searches.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».