Trends and seasonality in public interest in dental trauma: Insights from Google Trends
Notice bibliographique
Résumé
AIM: To assess trends and seasonal variation of dental trauma by using the Google Trends data. DESIGN: Google Trends was used to obtain relative search volume (RSV) of search terms such as dental trauma, broken tooth, chipped tooth, knocked-out tooth, avulsed tooth, and gum trauma. The search strategy was set to the time period (January 2004 to December 2019), region (worldwide, the United States, the UK, Australia, Canada, New Zealand, Ireland, and Turkey), Web search, and all categories. Seasonal variation was evaluated using the cosinor analysis. RESULTS: The worldwide RSV values of broken tooth, chipped tooth, knocked-out tooth, and avulsed tooth have shown a general increase in recent years with an upward forecast line. The RSV values of dental trauma have shown a general increase in recent years with a plateau forecast line, and gum trauma has shown a stable trend with a plateau forecast line. Seasonal variation of chipped tooth, broken tooth, dental trauma, knocked-out tooth, avulsed tooth, and gum trauma was not found statistically significant in any of the countries (p > .025). The top related queries of chipped tooth and broken tooth were about pain, fix/repair, and cost. The top related topics for avulsed tooth and knocked-out tooth are about infant, child, toddler, and primary tooth. CONCLUSIONS: People's interest on dental trauma, broken tooth, chipped tooth, knocked-out tooth, and avulsed tooth has shown a general increase in recent years without showing a seasonal pattern. Healthcare professionals should pay more attention to people's concerns and informational needs.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».