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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».