Peaks in online inquiries into pharyngitis-related symptoms correspond with annual incidence rates
Notice bibliographique
Résumé
OBJECTIVE: To assess whether web-based public inquiries into pharyngitis-related search terms follow annual incidence peaks of acute pharyngitis in various countries from both hemispheres. METHODS: Google Trends (GT) was utilized for systematic acquisition of pharyngitis-related search terms (sore throat, cough, fever, cold). Six countries from both hemispheres including four English (United Kingdom, United States, Canada, and Australia) and two non-English speaking countries (Austria and Germany) were selected for further analysis. Time series data on relative search interest for pharyngitis-related search terms, covering a timeframe between 2004 and 2019 were extracted. Following reliability analysis using the intra-class correlation coefficient, the cosinor time series analysis was utilized to determine annual peaks in public-inquiries. RESULTS: The extracted datasets of GT proved to be highly reliable with correlation coefficients ranging from 0.83 to 1.0. Graphical visualization showed annual seasonal peaks for pharyngitis-related search terms in all included countries. The cosinor time series analysis revealed these peaks to be statistically significant during winter months (all p < 0.001). CONCLUSION: Our study revealed seasonal variations for pharyngitis-related terms which corresponded to winter incidence peaks of acute pharyngitis. These results highlight the need for easily accessible information on diagnosis, therapy, and red-flag symptoms for this common disease. Accurately informed patients might contribute to a reduction of unnecessary clinic visits and potentially cutback the futile antibiotic overuse.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».