Public concerns about human metapneumovirus: insights from Google search trends, X social networks, and web news mining to enhance public health communication
Notice bibliographique
Résumé
The respiratory virus known as human metapneumovirus (hMPV) is linked to seasonal outbreaks and primarily affects elderly people and young children. Infodemiology, which uses digital data sources, including social media, online news, and search trends, is a useful substitute for monitoring public concerns and risk perceptions because surveillance gaps and underreporting impede public health interventions despite their clinical value. To assess public search interest, we analyzed global search behavior between June 1, 2024, and June 1, 2025, and examined over 1.3 million tweets collected during the peak outbreak period from January to March 2025. Our findings show a sharp rise in public interest following official reports of HMPV outbreak in China, with simultaneous search peaks across both hemispheres regardless of season. Search activity expanded to 177 countries and revealed sustained interest in Australia, Thailand, the United Kingdom, and the United States. Regional differences in terminology and platform usage were also observed, with non-English-speaking countries favoring the abbreviation "HMPV" and English-speaking regions more often using the full term. Additionally, discrepancies between search activity and social media engagement in some countries point to distinct patterns of public information-seeking behavior. These results underscore the importance of adapting health communication strategies to local language norms and preferred digital platforms. They also highlight the need for real-time monitoring and proactive responses to misinformation. Together, search and social media data offer a valuable lens for understanding public sentiment and improving the reach, accuracy, and impact of global outbreak communication.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».