Seasonal Variation in the Internet Searches for Cancer Recurrence: An Infodemiological Study
Notice bibliographique
Résumé
Abstract Background While few clinical and epidemiological studies have assessed how seasonality affects cancer recurrence, it has not been studied with the utility of the internet data. In this study, we aim to test whether cancer recurrence presents seasonality on a population level, utilizing internet search query data. Methods This infodemiological study used Google Trends to find query data for the term “cancer recurrence” from January 01, 2004, to December 31, 2018 in the USA, the UK, Canada, and Australia. Time series seasonal decomposition and the cosinor analysis were used to analyze and describe the seasonal trends for cancer recurrence. Results A general upward trend in UK and northern hemisphere were observed. Statistically significant seasonal trends on “cancer recurrence” in the USA ( p =1.33×10 −5 ), the UK ( p =0.012), and northern hemisphere ( p =5.67×10 −7 ) were revealed by cosinor analysis, with a peak in early summer and nadir in early winter. Besides, a seasonal variation was also found in Australia ( p =2.3×10 −4 ), with a peak in late summer and nadir in late winter. Conclusions The evidence from internet search query data showed a seasonal variation in cancer recurrence, with a peak in early summer(northern hemisphere)/late summer(southern hemisphere). Besides, the relative search volume of “cancer recurrence” appeared a general upward trend in UK and northern hemisphere in recent years.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».