Google search trends in onychomycosis: Influences of flip flops and advertising
Notice bibliographique
Résumé
BACKGROUND: Onychomycosis is a fungal infection of the nail, affecting 5.5% of the population. Individuals affected by this disease experience increased anxiety about this disorder and a decreased quality of life. There are multiple available treatments across the globe, leading people to search online for information on the various therapies. AIMS: To analyze Google search trends of fungal infection and treatment keywords and the influence of different geographical locations, season, regulatory decisions, and advertisements on these trends. METHODS: In May, 2020 we used Google Trends to determine the relative interest of various fungal infection and treatment keywords worldwide and in the US, the UK, Canada, and Australia. Notable peaks were investigated for contemporaneous news events. RESULTS: In general, searches for toenail fungus and associated treatment terms peak during the summer months. Interest in individual treatments peaks when a product is launched, is the subject of an advertising campaign, or becomes more available to the public through approval or reclassification. Yeast infection, thrush, and ringworm terms are consistently searched more often than toenail fungus, jock itch, or foot fungus; all terms are most popular in the summer months, with toenail fungus reaching annual popularity one month prior to jock itch. DISCUSSION: In general, interest in toenail fungus and treatments is the highest when social anxiety about toenail appearance and the occurrence of fungal infection is the greatest. Curiosity about treatment products increases with their availability and visibility to the public. Combining the power of seasonal interest and advertising generates the greatest search profile for onychomycosis treatments.
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 | 0,000 | 0,000 |
| 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 ».