Worldwide Evolution of Vaccinable and Nonvaccinable Viral Skin Infections: Google Trends Analysis
Notice bibliographique
Résumé
BACKGROUND: Most common viral skin infections are not reportable conditions. Studying the population dynamics of these viral epidemics using traditional field methods is costly and time-consuming, especially over wide geographical areas. OBJECTIVE: This study aimed to explore the evolution, seasonality, and distribution of vaccinable and nonvaccinable viral skin infections through an analysis of Google Trends. METHODS: Worldwide search trends from January 2004 through May 2021 for viral skin infections were extracted from Google Trends, quantified, and analyzed. RESULTS: Time series decomposition showed that the total search term volume for warts; zoster; roseola; measles; hand, foot, and mouth disease (HFMD); varicella; and rubella increased worldwide over the study period, whereas the interest for Pityriasis rosea and herpes simplex decreased. Internet searches for HFMD, varicella, and measles exhibited the highest seasonal patterns. The interest for measles and rubella was more pronounced in African countries, whereas the interest for HFMD and roseola was more pronounced in East Asia. CONCLUSIONS: Harnessing data generated by web searches may increase the efficacy of traditional surveillance systems and strengthens the suspicion that the incidence of some vaccinable viral skin infections such as varicella, measles, and rubella may be globally increasing, whereas the incidence of common nonvaccinable skin infections remains stable.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».