The Association Between Internet Searches and Moisturizer Prescription in Japan: Retrospective Observational Study
Notice bibliographique
Résumé
BACKGROUND: Heparinoid is a medication prescribed in Japan for skin diseases, such as atopic dermatitis and dry skin. Heparinoid prescription has increased with instances of internet blogs recommending its use as a cosmetic. OBJECTIVE: This study aimed to examine the prescription trends in moisturizer use and analyze their association with internet searches. METHODS: We used a claims database to identify pharmacy claims of heparinoid-only prescriptions in Japan. Additionally, we used Google Trends to obtain internet search data for the period between October 1, 2007, and September 31, 2017. To analyze the association between heparinoid prescriptions and internet searches, we performed an autoregressive integrated moving average approach for each time series. RESULTS: We identified 155,733 patients who had been prescribed heparinoid. The number of prescriptions increased from 2011 onward, and related internet searches increased from 2012 onward. Internet searches were significantly correlated with total heparinoid prescription (correlation coefficient=.25, P=.005). In addition, internet searches were significantly correlated with heparinoid prescription in those aged 20-59 years at -1-month lag in Google Trends (correlation coefficient=.30, P=.001). CONCLUSIONS: Google searches related to heparinoid prescriptions showed a seasonal pattern and increased gradually over the preceding several years. Google searches were positively correlated with prescription trends. In addition, in a particular age group (20-59 years), prescriptions increased with the increase in internet searches. These results suggest that people obtained health-related information on the internet and that this affected their behavior and prescription requests.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».