Anosmia-related internet search and the course of the first wave of the COVID-19 pandemic in the United States
Notice bibliographique
Résumé
BACKGROUND: The current pandemic of Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) was first reported in Wuhan, China. Although the first case in the United States was reported on Jan 20, 2020 in Washington, the early pandemic time course is uncertain. One approach with the potential to provide more insight into this time course is the examination of search activity. This study analyzed US search data prior to the first press release of anosmia as an early symptom (March 20, 2020). METHODS: Daily internet search query data was obtained from Google Trends (September 20th to March 20th for 2015 to 2020) both for the United States and on a state-by-state basis. Normalized anosmia-related search activity for the years prior to the pandemic was averaged to obtain a baseline level. Cross-correlations were performed to determine the time-lag between changes in search activity and SARS-CoV-2 cases/deaths. RESULTS: Only New York showed both significant increases in anosmia-related terms during the pandemic year as well as a significant lag (6 days) between increases in search activity and the number of cases/deaths attributed to SARS-CoV-2. CONCLUSIONS: There is no evidence from search activity to suggest earlier spread of SARS-CoV-2 than has been previously reported. The increase in anosmia-related searches preceded increases in SARS-CoV-2 cases/deaths by 6 days, but this was only significant over the background noise of searches for other reasons in the setting of a very large outbreak (New York in the spring of 2020).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».