MétaCan
Menu
Retour à la cohorte
Enregistrement W4406774434 · doi:10.3389/fneph.2025.1519481

Global and national public awareness and interest in glomerular diseases from 2004 to 2024

2025· article· en· W4406774434 sur OpenAlexaboutno aff
Suryanarayanan Balakrishnan, Charat Thongprayoon, Iasmina Craici, Wisit Cheungpasitporn, Jing Miao

Notice bibliographique

RevueFrontiers in Nephrology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLupus nephritisFocal segmental glomerulosclerosisNephropathyPublic healthMedicineGlomerulonephritisDiabetic nephropathyMembranous nephropathyGlomerulosclerosisDemographyPolitical scienceGeographyInternal medicineDiabetes mellitusProteinuriaEndocrinologyPathologyKidneyDiseaseSociology

Résumé

récupéré en direct d'OpenAlex

Background: Glomerular diseases significantly impact global health. This study investigated public interest in five common glomerular diseases. Methods: Google Trends™ were used to analyze search activity from January 2004 to December 2024 for IgA nephropathy (IgAN), membranous glomerulonephritis (MN), focal segmental glomerulosclerosis (FSGS), lupus nephritis (LN), and diabetic nephropathy (DN). Data were retrieved both globally and in English-speaking countries, including the United States. Monthly and yearly relative search activity were assessed and compared. Results: Globally, IgAN had the highest average relative search activity, followed by DN, FSGS, LN, and MN. Both IgAN and FSGS exhibited declining trends, while LN showed an upward pattern. MN and DN experienced a modest decline before 2016, preceded by a slight increase. Among English-speaking countries, search interest was predominantly concentrated in five countries, primarily including the United States, United Kingdom, Canada, and Australia, with the United States consistently ranking as the leading country. For IgAN, LN, and MN, the trends observed in the United States appeared to align with global data. In contrast, search interest for FSGS exceeded global levels, while interest in DN was slightly lower than global activity. In the United States, IgAN, FSGS, and LN were most prominent in North Dakota, Massachusetts, and Delaware, respectively, while DN and MN saw peak activity in West Virginia. Conclusion: Public engagement with glomerular diseases has not uniformly grown, at least in English-speaking countries, emphasizing the need for enhanced awareness efforts. Future analysis should prioritize search terms in the predominant language of each country.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,292
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NephrologyMême sujetData-Driven Disease SurveillanceTravaux en français237 207