Seasonal Variation for Plantar Fasciitis: Evidence from Google Trends Search Query Data
Notice bibliographique
Résumé
We aimed to determine the seasonal trends in internet searches for plantar fasciitis and related symptoms in various countries using search engine query data on Google. We used Google Trends to obtain internet search query data from January 2009 to December 2019. We collected monthly search volumes for the query terms "plantar fasciitis" and "heel pain" in the USA, Canada, the U.K., Ireland, Australia, and New Zealand. Statistical analysis of the seasonal effects on plantar fasciitis was performed using a cosinor model. The cosinor analyses confirmed statistically significant seasonal patterns in the relative search volumes for the terms "plantar fasciitis" and "heel pain" in the USA, Canada, the U.K., Ireland, and Australia, with peaks during the summer and troughs during the winter. For New Zealand, the seasonal trend was statistically significant only for the term "plantar fasciitis", while a similar trend for the term "heel pain" was present without achieving statistical significance for seasonality. This seasonality is thought to be related to more frequent occurrence of plantar fasciitis due to increased physical activity of people during the warmer months. In this study, the search query data using the terms "plantar fasciitis" and "heel pain" on Google Trends show significant seasonal variation across several countries, with a peak in the summer and a trough in the winter.
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 | 0,000 | 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) | 0,001 | 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 ».