Sweetening the deal: an infodemiological study of worldwide interest in semaglutide using Google Trends extended for health application programming interface
Notice bibliographique
Résumé
BACKGROUND: Off-label use of semaglutide for non-diabetic weight loss (which regulators have linked to social media promotion) created worldwide supply shortages. We evaluated worldwide semaglutide interest measured by online search behavior to gauge social media and conventional print media reporting's effect on search interest. METHODS: Using Google Trends Extended for Health (GTEH) multiple sampling, we retrieved regional online interest (ROI) for all countries and extracted timelines and top search queries for January 2021-August 2023 for countries with median ROI ≥ 20 using the "semaglutide" topic. We obtained semaglutide media reporting from the ProQuest database. We estimated the effect of media and within-country semaglutide interest on between-country interest with Granger causality analysis. We determined changepoints for trends within each country with joinpoint regression. We determined prominent themes in search queries for each country with natural language processing thematic analysis. RESULTS: Twenty-seven countries were included. Most countries showed an increase in semaglutide interest over time, with Canada and the USA showing the largest sustained interest. Most of the search interest arose from 2022 onwards. Granger's analysis showed that media coverage could only partially explain interest, and interest in some countries partially preceded interest in others, with the UK and Germany showing strong relationships between news reports and lagged search interest. Joinpoint analysis identified up to four significant within-country changepoints. Most countries showed significant positive weekly trends in 2021-2022, although uptrends in search interest varied considerably between countries. One episode of the Dr. Oz show (TV media event) coincided with strong peaks in numerous countries. Natural language processing of top search queries showed some agreement between countries and country-specific themes. Weight loss was a major theme in most countries, while a diabetes theme was generally absent or weak. Some countries (Australia, Chile, South Africa, UK) had themes for buying Ozempic from (named) local retailers, and Germany had a theme related to buying Ozempic without a script. CONCLUSIONS: GTEH data provided insights into global search interest in semaglutide and regional variation. Studies focusing on specific countries which include social media data can elucidate specific drivers behind the surge in off-label use of semaglutide.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».