Assessing Public Interest in Mammography, Computed Tomography Lung Cancer Screening, and Computed Tomography Colonography Screening Examinations Using Internet Search Data: Cross-Sectional Study
Notice bibliographique
Résumé
Background: The noninvasive imaging examinations of mammography (MG), low-dose computed tomography (CT) for lung cancer screening (LCS), and CT colonography (CTC) play important roles in screening for the most common cancer types. Internet search data can be used to gauge public interest in screening techniques, assess common screening-related questions and concerns, and formulate public awareness strategies. Objective: This study aims to compare historical Google search volumes for MG, LCS, and CTC and to determine the most common search topics. Methods: Google Trends data were used to quantify relative Google search frequencies for these imaging screening modalities over the last 2 decades. A commercial search engine tracking product (keywordtool.io) was used to assess the content of related Google queries over the year from May 1, 2022, to April 30, 2023, and 2 authors used an iterative process to agree upon a list of thematic categories for these queries. Queries with at least 10 monthly instances were independently assigned to the most appropriate category by the 2 authors, with disagreements resolved by consensus. Results: The mean 20-year relative search volume for MG was approximately 10-fold higher than for LCS and 25-fold higher than for CTC. Search volumes for LCS have trended upward since 2011. The most common topics of MG-related searches included nearby screening locations (60,850/253,810, 24%) and inquiries about procedural discomfort (28,970/253,810, 11%). Most common LCS-related searches included CT-specific inquiries (5380/11,150, 48%) or general inquiries (1790/11,150, 16%), use of artificial intelligence or deep learning (1210/11,150, 11%), and eligibility criteria (1020/11,150, 9%). For CTC, the most common searches were CT-specific inquiries (1800/5590, 32%) or procedural details (1380/5590, 25%). Conclusions: Over the past 2 decades, Google search volumes have been significantly higher for MG than for either LCS or CTC, although search volumes for LCS have trended upward since 2011. Knowledge of public interest and queries related to imaging-based screening techniques may help guide public awareness efforts.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».