Online Search Behavior Related to COVID-19 Vaccines: Infodemiology Study
Notice bibliographique
Résumé
Background Vaccination against COVID-19 is an important public health strategy to address the ongoing pandemic. Examination of online search behavior related to COVID-19 vaccines can provide insights into the public's awareness, concerns, and interest regarding COVID-19 vaccination. Objective The aim of this study is to describe online search behavior related to COVID-19 vaccines during the start of public vaccination efforts in the United States. Methods We examined Google Trends data from January 1, 2021, through March 16, 2021, to determine the relative search volume for vaccine-related searches on the internet. We also examined search query log data for COVID-19 vaccine-related searches and identified 5 categories of searches: (1) general or other information, (2) vaccine availability, (3) vaccine manufacturer, (4) vaccine side-effects and safety, and (5) vaccine myths and conspiracy beliefs. In this paper, we report on the proportion and trends for these different categories of vaccine-related searches. Results In the first quarter of 2021, the proportion of all web-based search queries related to COVID-19 vaccines increased from approximately 10% to nearly 50% of all COVID-19–related queries (P<.001). A majority of COVID-19 vaccine queries addressed vaccine availability, and there was a particularly notable increase in the proportion of queries that included the name of a specific pharmacy (from 6% to 27%; P=.01). Queries related to vaccine safety and side-effects (<5% of total queries) or specific vaccine-related myths (<1% of total queries) were uncommon, and the relative frequency of both types of searches decreased during the study period. Conclusions This study demonstrates an increase in online search behavior related to COVID-19 vaccination in early 2021 along with an increase in the proportion of searches related to vaccine availability at pharmacies. These findings are consistent with an increase in public interest and intention to get vaccinated during the initial phase of public COVID-19 vaccination efforts.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».