The Effect of the COVID-19 Pandemic on Digital Health–Seeking Behavior: Big Data Interrupted Time-Series Analysis of Google Trends
Notice bibliographique
Résumé
BACKGROUND: Due to the emergency responses early in the COVID-19 pandemic, the use of digital health in health care increased abruptly. However, it remains unclear whether this introduction was sustained in the long term, especially with patients being able to decide between digital and traditional health services once the latter regained their functionality throughout the COVID-19 pandemic. OBJECTIVE: We aim to understand how the public interest in digital health changed as proxy for digital health-seeking behavior and to what extent this change was sustainable over time. METHODS: We used an interrupted time-series analysis of Google Trends data with break points on March 11, 2020 (declaration of COVID-19 as a pandemic by the World Health Organization), and December 20, 2020 (the announcement of the first COVID-19 vaccines). Nationally representative time-series data from February 2019 to August 2021 were extracted from Google Trends for 6 countries with English as their dominant language: Canada, the United States, the United Kingdom, New Zealand, Australia, and Ireland. We measured the changes in relative search volumes of the keywords online doctor, telehealth, online health, telemedicine, and health app. In doing so, we capture the prepandemic trend, the immediate change due to the announcement of COVID-19 being a pandemic, and the gradual change after the announcement. RESULTS: Digital health search volumes immediately increased in all countries under study after the announcement of COVID-19 being a pandemic. There was some variation in what keywords were used per country. However, searches declined after this immediate spike, sometimes reverting to prepandemic levels. The announcement of COVID-19 vaccines did not consistently impact digital health search volumes in the countries under study. The exception is the search volume of health app, which was observed as either being stable or gradually increasing during the pandemic. CONCLUSIONS: Our findings suggest that the increased public interest in digital health associated with the pandemic did not sustain, alluding to remaining structural barriers. Further building of digital health capacity and developing robust digital health governance frameworks remain crucial to facilitating sustainable digital health transformation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».