An international comparison of Google searches for <i>sunscreen, sunburn, skin cancer,</i> and <i>melanoma</i>: Current trends and public health implications
Notice bibliographique
Résumé
BACKGROUND: (GT) offers insight into public interests and behaviors and holds potential for guiding public health campaigns. OBJECTIVES: This study explored international trends in English-speaking countries (United States, United Kingdom, Canada, Australia, New Zealand) in searches for sunscreen, sunburn, skin cancer, and melanoma to better guide skin cancer prevention campaigns. METHODS: was queried for search terms from January 1, 2004 to December 31, 2017. Respective national databases were queried for melanoma outcome data from 2004 to 2014 and compared with time-matched search data. Correlations between search terms, time, and melanoma outcomes were assessed for each country. Quantitative analyses were performed to evaluate differences in search volumes between countries with varying melanoma incidence. RESULTS: In all countries, the strongest intra-term correlation was between sunscreen and sunburn. Searches for sunscreen and sunburn are increasing for all countries. For all countries except the United Kingdom and New Zealand, searches for skin cancer and melanoma are decreasing for one or both terms. Correlations between search terms and melanoma outcomes were variable and specific to each country. Quantitative analysis revealed that countries with higher melanoma incidence had higher search volumes for all terms. Search volumes were especially high for skin cancer and melanoma in Australia compared with other countries. Comparisons between moderate melanoma incidence countries were less clear. CONCLUSIONS: Online skin cancer prevention campaigns should focus on the search terms sunburn and sunscreen, especially given the declining interest between 2004 and 2016 in the terms skin cancer and melanoma seen in multiple countries. Search term interests varied with melanoma outcomes and between countries, suggesting the importance of customizing approaches based on local population interests and geographic areas.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 ».