Digital epidemiology of high-frequency search listening trends for the surveillance of subjective well-being during COVID-19 pandemic
Notice bibliographique
Résumé
Background: The coronavirus disease (COVID-19) pandemic has led to a dramatic increase in online searches related to psychological distress. Governments worldwide have responded with various measures to mitigate the impact of the virus, influencing public behavior and emotional well-being. This study investigated the relationship between government actions and public reactions in terms of online search behaviors, particularly concerning psychological distress during the pandemic. The primary objective of this study was to analyze how changes in government policies during the COVID-19 pandemic influenced public expressions of psychological distress, as reflected in the volume of related online searches in Kuwait. Method: Utilizing Google Trends data, the study analyzed search frequencies for terms associated with psychological distress such as "anxiety" and "lockdown." The analysis correlated these search trends with government actions using the Oxford COVID-19 Government Response Tracker (OxCGRT). The study period covered March 1, 2020, to October 10, 2020, and involved extensive data collection and analysis using custom software in R programming. Results: There was a significant correlation between the stringency of government-imposed restrictions and the volume of online searches related to psychological distress. Increased searches for "lockdown" coincided with heightened government restrictions and were associated with increased searches for "anxiety," suggesting that policy measures significantly impacted public psychological distress. Conclusion: The study concludes that governmental responses to the COVID-19 pandemic, measured through OxCGRT, have a measurable impact on public psychological distress, as evidenced by online search behaviors. This underscores the importance of considering psychological impacts in policymaking and suggests further research to explore this dynamic comprehensively. Future studies should focus on refining the correlation between specific types of policy measures and different expressions of psychological distress to better inform public health strategies and interventions.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».