Spatial epidemiological analysis of Lyme disease in southern Ontario utilizing Google Trends searches
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lyme disease is of growing concern in Ontario with endemic areas increasing in size. Differential diagnosis of Lyme disease patients should include their exposure status assuming knowledge of high-risk areas. The goal of this study was a spatial analysis of Lyme disease in southern Ontario for the years 2015–2019 with a focus on the association between Lyme disease prevalence and Internet search frequencies recorded by Google Trends. A choropleth map visualized the raw prevalence of Lyme disease across the 28 public health units of southern Ontario. A disease cluster comprising five public health units was identified in eastern Ontario using the flexible scan statistic (standard morbidity ratio = 4.9, p = 0.01). Poisson regression modeling revealed an association between Lyme disease prevalence and the search term “Lyme disease” in Google Trends (p = 0.032). Lyme disease prevalence was correlated with Google Trend searches, with an increase in relative risk by a factor of 1.19 (CI 95% : 1.03, 1.39) for every 1% increase in search activity. Knowledge of the existence and location of high-risk or exposure areas for Lyme disease is important to properly diagnose patients. Exploiting the association between Lyme disease and Internet search activity by the population at risk can also further disease surveillance.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,015 | 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 découle