MétaCan
Menu
Retour à la cohorte
Enregistrement W4205324194 · doi:10.2196/29894

Misinformation About and Interest in Chlorine Dioxide During the COVID-19 Pandemic in Mexico Identified Using Google Trends Data: Infodemiology Study

2021· article· en· W4205324194 sur OpenAlexaffvenue
Jonathan Matías Chejfec‐Ciociano, Juan Pablo Martínez-Herrera, Alexa Darianna Parra-Guerra, Ricardo Chejfec, Francisco José Barbosa‐Camacho, Juan Carlos Ibarrola‐Peña, Gabino Cervantes‐Guevara, Guillermo Alonso Cervantes‐Cardona, Clotilde Fuentes‐Orozco, Enrique Cervantes‐Pérez, Benjamín García-Reyna, Alejandro González‐Ojeda

Notice bibliographique

RevueJMIR Infodemiology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPandemicMisinformationCoronavirus disease 2019 (COVID-19)Chlorine dioxideConsumption (sociology)Environmental healthMedicinePopularityBusinessPolitical scienceComputer scienceDiseaseChemistryComputer security

Résumé

récupéré en direct d'OpenAlex

Background The COVID-19 pandemic has prompted the increasing popularity of several emerging therapies or preventives that lack scientific evidence or go against medical directives. One such therapy involves the consumption of chlorine dioxide, which is commonly used in the cleaning industry and is available commercially as a mineral solution. This substance has been promoted as a preventive or treatment agent for several diseases, including SARS-CoV-2 infection. As interest in chlorine dioxide has grown since the start of the pandemic, health agencies, institutions, and organizations worldwide have tried to discourage and restrict the consumption of this substance. Objective The aim of this study is to analyze search engine trends in Mexico to evaluate changes in public interest in chlorine dioxide since the beginning of the COVID-19 pandemic. Methods We retrieved public query data for the Spanish equivalent of the term “chlorine dioxide” from the Google Trends platform. The location was set to Mexico, and the time frame was from March 3, 2019, to February 21, 2021. A descriptive analysis was performed. The Kruskal-Wallis and Dunn tests were used to identify significant changes in search volumes for this term between four consecutive time periods, each of 13 weeks, from March 1, 2020, to February 27, 2021. Results From the start of the pandemic in Mexico (February 2020), an upward trend was observed in the number of searches compared with that in 2019. Maximum volume trends were recorded during the week of July 19-25, 2020. The search volumes declined between September and November 2020, but another peak was registered in December 2020 through February 2021, which reached a maximum value on January 10. Percentage change from the first to the fourth time periods was +312.85, –71.35, and +228.18, respectively. Pairwise comparisons using the Kruskal-Wallis and Dunn tests showed significant differences between the four periods (P<.001). Conclusions Misinformation is a public health risk because it can lower compliance with the recommended measures and encourage the use of therapies that have not been proven safe. The ingestion of chlorine dioxide presents a danger to the population, and several adverse reactions have been reported. Programs should be implemented to direct those interested in this substance to accurate medical information.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,195
Tête enseignante GPT0,427
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR InfodemiologyMême sujetData-Driven Disease SurveillanceTravaux en français237 207