More effective strategies are required to strengthen public awareness of COVID-19: Evidence from Google Trends.
Notice bibliographique
Résumé
BACKGROUND: The outbreak of coronavirus disease 2019 (COVID-19) has posed stress on the health and well-being of both Chinese people and the public worldwide. Global public interest in this new issue largely reflects people's attention to COVID-19 and their willingness to take precautionary actions. This study aimed to examine global public awareness of COVID-19 using Google Trends. METHODS: February 2020 in six major English-speaking countries, including the USA, the UK, Canada, Ireland, Australia, and New Zealand. Dynamic series analysis demonstrates the overall change trend of relative search volume (RSV) for the topic on COVID-19. We compared the top-ranking related queries and sub-regions distribution of RSV about COVID-19 across different countries. The correlation between daily search volumes on the topic related to COVID-19 and the daily number of people infected with SARS-CoV-2 was analyzed. RESULTS: < 0.05). People across countries presented a various interest to the RSV on COVID-19, and public awareness of COVID-19 was different in various sub-regions within countries. CONCLUSIONS: The results suggest that public response time to COVID-19 was different across countries, and the overall duration of public attention was short. The current study reminds us that governments should strengthen the publicity of COVID-19 nationally, strengthen the public's vigilance and sensitivity to COVID-19, inform public the importance of protecting themselves with enough precautionary measures, and finally control the spread of COVID-19 globally.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».