Internet search results correlate with seasonal variation of sarcoidosis
Notice bibliographique
Résumé
BACKGROUND: The etiology and pathophysiology of sarcoidosis remains unclear, with epidemiologic studies limited by its relatively low prevalence. The internet has prompted patients to seek information about medical diagnoses online; Google Trends provides access to an anonymized version of this data, which has a new role in epidemiology. We hypothesize that there is seasonal variation in the relative search interest of sarcoidosis, which would suggest seasonal variation in the incidence of sarcoidosis. METHODS: Google Trends was used to assess the relative search volume from 2010 to 2020 for "sarcoidosis" and "sarcoid" in 7 countries. ANOVA with multiple comparisons was performed to compare the mean relative search volume by month and by season for each country, with a p-value less than 0.05 indicating statistical significance. RESULTS: Our analysis revealed a significant seasonal variation in search popularity in 4 of the 7 countries and in the Northern Hemispheric countries combined. Direct comparison showed search terms to be more popular in spring, specifically March & April, than in the winter. Southern Hemisphere data was not statistically significant but showed a trend towards a nadir in December and a peak in September and October. CONCLUSIONS: Overall, these findings suggest seasonal variation with a possible peak in spring and nadir in winter. This supports the hypothesis that sarcoidosis has seasonal variation and is more commonly diagnosed in spring, but more evidence is needed to support this, as well as investigation into the pathophysiology of sarcoidosis to explain this phenomenon.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 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 ».