Analysis of Keywords Used in Internet Searches for Melanoma Information: Observational Study
Notice bibliographique
Résumé
Background: The internet is an accessible resource for health care information and is often used by patients to learn about melanoma. The keywords that are used in internet searches can reflect internet users' interest in specific topics and the public's awareness of health-related issues. Objective: This study aims to describe the most frequently used keywords, questions, and corresponding websites in internet searches for melanoma. Methods: This is an observational study using data retrieved from Google Trends, Alexa Internet, SEMrush, Ahrefs, and SE Ranking for the keywords "melanoma" and "skin cancer." Results: Average search interest as per Google Trends was greater for the keyword "skin cancer" than for the keyword "melanoma." Searches for the top 25 keywords in 3 databases resulted in 34 unique melanoma keywords and 33 unique skin cancer keywords. Melanoma keywords were most frequently related to clinicopathologic classification (n=11, 32%), and skin cancer keywords were most frequently about diagnosis (n=14, 42%). Questions about the prognosis of melanoma appeared most frequently among the most popular melanoma questions, but general questions or questions about the diagnosis of melanoma contributed the greatest proportion of searches by search volume. Skin cancer question searches were most commonly about diagnosis. The highest proportion of searches for popular melanoma and skin cancer keywords most frequently sent traffic to websites from nonprofit organizations and media companies, respectively. Conclusions: We identified common keywords, questions, and websites used to access information about melanoma on the internet. These data may help health care providers and public health professionals when educating and counseling patients and the public about skin cancer.
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 | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».