Digital surveillance: The interest in mouthwash‐related information
Notice bibliographique
Résumé
BACKGROUND: The comprehension of the interests of Internet users regarding their health-related searches may reveal the community's demands about oral health. The study aimed to characterize the interests of Google users related to mouthwash in Australia, Brazil, Chile, Japan, Mexico, Russia, the United Kingdom, the United States, Saudi Arabia and South Africa applying the Google Trends. METHODS: This longitudinal retrospective study analysed the mouthwash-related interest of Google users from January 2004 to December 2020. The monthly variation of relative search volume (RSV) and the main queries related were determined using Google Trends. Autoregressive integrated moving average (ARIMA) forecasting models were built to establish the predictive RSV values for mouthwash for additional 12 months. Auto-correlation plots and a general additive model (GAM) were used to diagnose trends and seasonality in RSV curves. In addition, the influence of social isolation related to the outbreak of COVID-19 were analysed. RESULTS: The RSVs curves showed a considerable increase in searches related to mouthwash to AUS, BRA, JAP, MEX, GBR and USA (RSV > 25), while the growth was slight to CHI, KSA, RSA and RUS (RSV < 25) over the years, without influence of monthly seasonality. All countries showed a significant increase in mouthwash interest after the outbreak of COVID-19, except for KSA and RUS. The mouthwash-related searches were associated to specific brands or chemical compositions, treatments, whitening agents, homemade mouthwash and indications for the 'best mouthwash'. CONCLUSIONS: In general, there was an increasing interest of Google users in mouthwash-related topics between 2004 and 2020. In addition, in most countries, there was an expansion in searches during the social isolation of the COVID-19 pandemics.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».