MétaCan
Menu
Retour à la cohorte
Enregistrement W4413986064 · doi:10.31718/mep.2025.29.2.01

INFODEMIOLOGY OF RUSSO-UKRAINIAN WAR: USING GOOGLE TRENDS TO STUDY THE GLOBAL SPREAD OF UKRAINIAN REFUGEES WITH ALLERGIC DISEASES

2025· article· en· W4413986064 sur OpenAlexaboutno aff
Ігор Петрович Кайдашев, H.Yu. Morokhovets, Yu. V. Lysanets, Bernardo Pinto, Anna Bedbrook, Bolesław Samoliński

Notice bibliographique

RevueThe Medical and Ecological Problems · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUkrainianRefugeePolitical scienceDevelopment economicsMedicineLawEconomics

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to assess the global distribution dynamics of Ukrainian refugees following the full-scale Russian invasion by analyzing Cyrillic-language allergy-related search queries on Google, using Google Trends (GT) as the primary tool. Materials and methods. Google Trends was used to identify allergy-related queries made in Cyrillic script, which reflect the online behavior of Ukrainian refugees. The study analyzed the dynamics of these queries in Poland, Germany, the United Kingdom, Italy, Spain, the Czech Republic, the United States, and Canada. Area-under-the-curve (AUC) comparisons were used to assess search frequency, and a mixed-effects model was applied to examine changes before and after the invasion. Correlation analyses were conducted between Google Trends data and official statistics on Ukrainian border crossings from January 5, 2020, to October 22, 2023. Data were processed using Microsoft Excel and GraphPad Prism 8.0. Results. It was found that the number of Google search queries for “Allergy”, “Runny nose”, “Dermatitis”, “Asthma”, “Ambrosia”, and “Cough” significantly varied during the study period in Poland; for the queries “Allergy”, “Runny nose”, “Urticaria”, “Dermatitis”, “Asthma”, and “Cough” – in Germany; “Asthma”, “Ambrosia” – in the United Kingdom; “Urticaria”, “Dermatitis”, “Cough” – in Spain; “Dermatitis”, “Cough” – in Italy; “Urticaria”, “Dermatitis”, “Cough” – in Canada; “Runny nose”, “Dermatitis”, “Ambrosia”, “Cough” – in the USA; “Allergy”, “Runny nose”, “Cough” – in the Czech Republic. In Spain, a strong direct correlation was established between the number of registered Ukrainian citizens and the following Google queries: “Dermatitis” (r=0.81; p<0.0001), “Asthma” (r=0.85; p<0.0001), “Cough” (r=0.85; p<0.0001), “Allergy” (r=0.86; p<0.0001), “Runny nose” (r=0.95; p<0.0001), “Urticaria” (r=0.91; p<0.0001). In Italy, a moderate direct correlation was found between the number of registered Ukrainian citizens and the following Google queries: “Dermatitis” (r=0.75; p=0.0002), “Cough” (r=0.79; p<0.0001), and a strong direct correlation with the queries “Asthma” (r=0.88; p<0.0001), “Allergy” (r=0.81; p<0.0001), “Runny nose” (r=0.91; p<0.0001), “Urticaria” (r=0.81; p<0.0001). Conclusions. The study confirms the annual increase in the number of Ukrainian refugees after the full-scale invasion in both Eastern and Western Europe, particularly in destination countries – Italy and Spain – as well as in transit countries – the Czech Republic, Poland, and Germany. These Ukrainians face the medical and social consequences of the Russo-Ukrainian war, and a significant portion of the refugees suffer from allergic diseases, thus requiring high-quality and accessible medical care.

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)0,003
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 enseignants0,027
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,327
Écart entre enseignants0,303 · 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 revueThe Medical and Ecological ProblemsMême sujetData-Driven Disease SurveillanceTravaux en français237 207