利用搜索引擎数据进行流感监测的累积查询方法gydF4y2Ba

介绍gydF4y2Ba

综合征监测可在暴发的早期阶段向公共卫生保健提供者发出警报，使他们能够降低暴发引起的发病率和死亡率[gydF4y2Ba1gydF4y2Ba-gydF4y2Ba5gydF4y2Ba]。综合征监测的定义是实时或接近实时地收集、分析、解释和传播与健康有关的数据，以便及早发现需要采取有效公共卫生行动的潜在人类或兽医公共卫生威胁的影响[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba3.gydF4y2Ba]。2009年H1N1流感大流行突出表明，需要进行综合征监测，以便为有效应对措施的政策和计划提供信息。gydF4y2Ba

由于对流感样疾病(ILI)等指标的常规综合征监测依赖于病例报告来报告疾病活动，报告和病例确认的时间延迟可能会干扰及早发现疫情或社区流感病例的增加。因此，研究人员一直在研究检测疫情的其他数据来源。例如，非处方药品销售和学校缺勤数据已被用于及早发现疾病暴发[gydF4y2Ba6gydF4y2Ba-gydF4y2Ba12gydF4y2Ba]。gydF4y2Ba

近年来，互联网搜索查询已成为重要的数据来源[gydF4y2Ba13gydF4y2Ba-gydF4y2Ba22gydF4y2Ba]。互联网搜索引擎使数十亿人能够即时访问大量的在线信息。新的综合征监测来源，如谷歌流感趋势(GFT)，提供了实时识别流感爆发的可能性[gydF4y2Ba23gydF4y2Ba]。一些研究报告GFT与传统ILI监测数据高度相关[gydF4y2Ba23gydF4y2Ba-gydF4y2Ba28gydF4y2Ba]。GFT现在已经在许多国家得到应用，但是韩国既没有GFT，也没有其他基于搜索查询的疾病监测工具[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba27gydF4y2Ba-gydF4y2Ba30.gydF4y2Ba]。一般而言，b谷歌的市场份额在提供GFT的国家占主导地位[gydF4y2Ba24gydF4y2Ba-gydF4y2Ba29gydF4y2Ba，gydF4y2Ba31gydF4y2Ba]，但在韩国没有[gydF4y2Ba32gydF4y2Ba]。利用谷歌趋势进行流感监测的研究表明，它可以作为数据的补充来源，但其性能不足以用作预测模型[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba34gydF4y2Ba]。很难找到连续几年显示高相关性的查询，因为互联网搜索行为可能随着时间的推移而改变[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba34gydF4y2Ba]。为了减少搜索查询变化的影响，我们使用了来自搜索引擎Daum的组合查询和组合查询的累积。Daum是韩国日访问量第二大的门户网站服务提供商(约占市场份额的25%)[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba35gydF4y2Ba]。Daum为Web用户提供许多Internet服务，包括电子邮件、消息传递服务、论坛、购物和新闻。主要语言是韩语。gydF4y2Ba

在韩国，流感通常是季节性的，大多数活动发生在冬季。2009/10流行病学年，称为甲型流感(H1N1)大流行期，是一种特殊情况(见gydF4y2Ba多媒体附录1gydF4y2Ba)。本研究的主要目的是检验我们的累积查询方法与国家流感监测数据之间的相关性。gydF4y2Ba

方法gydF4y2Ba

数据来源gydF4y2Ba

研究期间gydF4y2Ba

研究期为2009年9月6日(第36周)至2012年9月1日(第34周)-156周数据，连续3个流行病学年。我们将研究期分为两组:第1组(2009/10流行病学年为开发集1和2010/11验证集1)和第2组(2010/11开发集2和2011/12验证集2)。gydF4y2Ba

流感样疾病数据的收集gydF4y2Ba

我们从韩国疾病控制和预防中心(KCDC)收集ILI数据作为金标准。KCDC ILI数据可从KCDC网站获得;我们从本网站下载了研究期间的ILI数据[gydF4y2Ba36gydF4y2Ba]。KCDC病例的定义是发烧38°C并伴有咳嗽和/或喉咙痛[gydF4y2Ba36gydF4y2Ba]。ILI监测由韩国的850个哨点诊所组成，这些诊所每周报告符合ILI病例定义的门诊患者百分比[gydF4y2Ba36gydF4y2Ba]。gydF4y2Ba

收集查询的调查gydF4y2Ba

为了获得与流感相关的人口搜索查询，我们于2012年9月进行了一项基于性别和年龄的配额抽样调查。配额是根据户籍地址、年龄、性别来确定的。按年龄分为5个配额组:20-29岁、30-39岁、40-49岁、50-59岁、60岁及以上。每个配额组中有一半是女性。我们从首尔市内的户籍登记中随机抽取住址，如果居住在户籍登记住址的受访者符合条件，我们就把年龄最大的受访者包括在内。然后我们进行了面对面的采访。该调查包括对流感的搜索历史和键入查询。这项调查是匿名进行的。韩国疾病控制与预防中心对ILI的定义是:发烧(韩语:)38°C，伴有咳嗽()和/或喉咙痛()。这三个来自ILI定义的查询包含在以下操作的查询中，而不管调查结果如何。 In the case of queries originally submitted in English only, we translated them to Korean and added them as new queries.

查询组合gydF4y2Ba

我们认为，人们通常会一次使用一个或多个查询在互联网上搜索感兴趣的东西。为了反映人们的搜索行为并包含尽可能多的查询，我们使用了查询的组合。根据调查结果和疾病控制中心ILI的定义所收集的查询分为以下几组:查询组1包含与流感相关的查询(如“H1N1”、“流感”)，而查询组2包含与流感无关的查询(如“治疗”、“症状”)。然后，我们合并查询组1和查询组2。组合查询包括单独的查询组1以及查询组1和查询组2的组合(例如，“H1N1”、“H1N1治疗”、“H1N1症状”、“流感”、“流感治疗”、“流感症状”)。gydF4y2Ba

从搜索引擎收集数据gydF4y2Ba

我们将组合查询和属于查询组1的查询(因为这些查询本身是可搜索的)发送到Daum，并以每周的形式接收比例数据。这些组合查询的比例数据是在开发集1和2期间从Daum搜索引擎中提取的。来自Daum搜索引擎的比例数据是通过将每个组合查询的数量除以1周的搜索查询总数来计算的。gydF4y2Ba

数据分析gydF4y2Ba

创建累积查询方法和数据分析gydF4y2Ba

计算组合查询的Daum数据与开发集1和2中的KCDC ILI数据之间的Pearson相关系数。我们选择相关系数为0.7或更高的组合查询，并按降序列出它们。为了观察相关系数随时间的变化，我们还计算了随后流行病学年份的联合查询的相关系数。然后我们创建了一个累积查询方法gydF4y2BangydF4y2Ba表示按相关系数降序排列的累积组合查询的数量。例如，累积查询方法4由相关系数列表中第1、2、3和4个最高组合查询的比例数据的总和组成。在验证集1和验证集2中，计算累积查询方法之间的Pearson相关系数gydF4y2BangydF4y2Ba和KCDC ILI数据。具体来说，在验证集2中，我们分析了来自开发集2和开发集1的累积查询方法。验证集中有用的累积查询方法被定义为具有比同一开发集中单个组合查询的最高相关系数更高的相关系数。采用IBM SPSS统计软件，版本20进行分析。显著性设为gydF4y2BaPgydF4y2Ba< . 05。gydF4y2Ba

院校检讨委员会gydF4y2Ba

该研究已获得峨山医疗中心(首尔，韩国)机构审查委员会的批准。gydF4y2Ba

结果gydF4y2Ba

收集查询的调查gydF4y2Ba

我们联系了322人，其中包括200名居住在韩国首尔的20岁以上的参与者。超过四分之一(56/200,28%)的市民曾就“流感”的搜寻纪录回答“是”，并曾提供(gydF4y2Ba表1gydF4y2Ba)。gydF4y2Ba

调查查询的组合gydF4y2Ba

查询组1包含14条特定于流感的查询，而查询组2包含14条非特定于流感的查询(gydF4y2Ba表2gydF4y2Ba)。总共有210个合并查询被提交给Daum。中给出了组合查询的完整数据gydF4y2Ba多媒体附录2gydF4y2Ba．gydF4y2Ba

从搜索引擎收集数据gydF4y2Ba

对开发集1和2中用于组合查询的Daum数据与KCDC ILI数据进行相关性分析(gydF4y2Ba表3gydF4y2Ba)。在开发集1中，“新流感(缩写)”具有最高的相关系数(gydF4y2BargydF4y2Ba= .894,gydF4y2BaPgydF4y2Ba<.001)， 13个组合查询有相关系数gydF4y2BargydF4y2Ba值≥0.7。在这13个组合查询中，具有相关系数的组合查询的数量gydF4y2BargydF4y2Ba取值≥。7was reduced to 4 in validation set 1 and to 2 in validation set 2. In development set 2, “Bad cold + Symptom” had the highest correlation coefficient (rgydF4y2Ba= .969,gydF4y2BaPgydF4y2Ba<.001)，总共有15个合并查询有gydF4y2BargydF4y2Ba值≥0.7。在这15个组合查询中，具有相关系数的组合查询的数量gydF4y2BargydF4y2Ba取值≥。7was reduced to 6 in validation set 2. Only “Tamiflu” and “New flu + Symptom” showed correlation coefficientsrgydF4y2Ba取值≥。7for 3 consecutive years (图1gydF4y2Ba)。所有组合查询的相关系数随时间的变化见gydF4y2Ba多媒体附录2gydF4y2Ba．gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

创建累积查询方法gydF4y2Ba

在开发集1中总共创建了13个累积查询方法(参见gydF4y2Ba表4gydF4y2Ba)。在验证集1中，累积查询方法7、8、9和10的相关系数最高(gydF4y2BargydF4y2Ba= .943,gydF4y2BaPgydF4y2Ba<措施;看到gydF4y2Ba多媒体附录3gydF4y2Ba)。13个累积查询方法中的8个是有用的，其定义为具有比开发集1中单个组合查询的最高相关系数更高的相关系数(min=)。916年,马克斯= .943)。但是只有三个来自开发集1的累积查询方法在验证集2中有用(min=。935年,马克斯= .953)。通过在验证集1中的累积查询方法5、6、8、9、10和13中添加查询，相关性不会增加。在验证集2中，来自开发集2的累积查询方法5具有最高的相关系数(gydF4y2BargydF4y2Ba= .987,gydF4y2BaPgydF4y2Ba<措施;看到gydF4y2Ba图2gydF4y2Ba和gydF4y2Ba多媒体附录3gydF4y2Ba)。开发集2的15个累积查询方法中有8个是有用的(min=。975年,马克斯= .987)。通过在验证集2中的累积查询方法3、4、7、8、10、12和14中添加查询，相关性不会增加。KCDC ILI与其他有用的累积查询方法之间的散点图gydF4y2Ba多媒体附录4gydF4y2Ba．流感病毒学数据的累积查询方法在gydF4y2Ba多媒体附录5gydF4y2Ba．gydF4y2Ba

在每个开发集中，累积查询方法具有比组合查询更高的相关系数(参见gydF4y2Ba表5gydF4y2Ba和gydF4y2Ba6gydF4y2Ba)。1年后，13种累积查询方法中有11种获得了gydF4y2BargydF4y2Ba值≥。7，but 4 of 13 combined queries had anrgydF4y2Ba值≥。7在validation set 1 (see表5gydF4y2Ba和gydF4y2Ba图3gydF4y2Ba)。所有15个累积查询方法都有gydF4y2BargydF4y2Ba值≥。7，but 6 of 15 combined queries had anrgydF4y2Ba值≥。7在validation set 2 (see表6gydF4y2Ba和gydF4y2Ba图4gydF4y2Ba)。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

在本研究中，累积查询方法与国家流感监测数据的相关性高于开发集和验证集的组合查询。gydF4y2Ba

许多人在看医生前会上网搜索健康信息[gydF4y2Ba18gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba23gydF4y2Ba，gydF4y2Ba33gydF4y2Ba]。因此，搜索查询趋势可以比常规监测更早地反映实际疾病进展。在这项研究之前使用的查询只反映了作者的观点[gydF4y2Ba13gydF4y2Ba]或从数据库中获取[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba23gydF4y2Ba，gydF4y2Ba37gydF4y2Ba]。为了获得人口搜索查询，我们进行了一项研究调查。gydF4y2Ba

搜索查询可能因国家而异。在韩国，“重感冒”有两种意思，一种是流感，另一种是严重的普通感冒。自2009/10年流行病学季节，即甲型H1N1流感大流行期开始，媒体开始使用“新流感”来区分H1N1流感和以前的流感。2010年，KCDC宣布官方术语为“流感()”[gydF4y2Ba36gydF4y2Ba]。但在韩国，“新型流感”和“重感冒”仍然是比“流感”和“流感”更受欢迎的术语。gydF4y2Ba表1gydF4y2Ba)。gydF4y2Ba

2009/10流行病学年(发展集1)有13个合并查询具有相关系数gydF4y2BargydF4y2Ba值≥7。然而，这些组合查询中只有4个(“新型流感+咳嗽”、“流感+症状”、“新型流感+症状”和“达菲”)具有相关系数gydF4y2BargydF4y2Ba值≥。7在the 2010/11 epidemiological year (validation set 1) (表3gydF4y2Ba)。但是13个累积查询方法中有11个有gydF4y2BargydF4y2Ba值≥。7在validation set 1 (see表5gydF4y2Ba和gydF4y2Ba图3gydF4y2Ba)。在开发集2的15个组合查询中，具有相关系数的组合查询的个数gydF4y2BargydF4y2Ba取值≥。7reduced to 6 in validation set 2. But all 15 cumulative query methods had anrgydF4y2Ba值≥。7在validation set 2. We think that the cumulative query method is more robust with time, and this factor is helpful for improving surveillance performance using search queries. Since Internet searching behavior may change over time, this could have affected the performance of Web query-based surveillance model [31gydF4y2Ba]。在这项研究中，210个合并查询中有20个具有所有3年的相关系数。只有“达菲”和“新型流感+症状”有相关系数gydF4y2BargydF4y2Ba取值≥。7for 3 consecutive years (see图1gydF4y2Ba和gydF4y2Ba多媒体附录2gydF4y2Ba)。最近，一项使用谷歌Trends进行流感监测的研究表明，谷歌Trends可作为数据的补充来源[gydF4y2Ba33gydF4y2Ba];然而，其性能不足以作为预测模型使用，因为其最大相关系数在2009年仅为一个查询“Fever”为0.82,2011年该系数降至0.64 [gydF4y2Ba33gydF4y2Ba]。gydF4y2Ba

很难预测未来搜索查询的变化。为了减少搜索查询变化的影响，我们使用了查询的组合和组合查询的累积来构建我们的方法。此外，只有当累积查询方法的相关系数高于最高的单个组合查询时，我们想要开发的方法才有意义。在每个验证集中，开发了8个有用的累积查询方法。每个验证集中有用的累积查询方法具有较高的相关系数(gydF4y2Ba表4gydF4y2Ba)。在验证集2中，有用累积查询方法的相关系数范围为0.975 ~ 0.987。这些数值与其他地方报告的数值相似或更高[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba23gydF4y2Ba，gydF4y2Ba26gydF4y2Ba，gydF4y2Ba27gydF4y2Ba，gydF4y2Ba29gydF4y2Ba，gydF4y2Ba31gydF4y2Ba]。在欧洲，GFT的相关系数为0.716至0.940 [gydF4y2Ba27gydF4y2Ba]，美国报道的系数为0.82至0.99 [gydF4y2Ba23gydF4y2Ba，gydF4y2Ba26gydF4y2Ba，gydF4y2Ba31gydF4y2Ba]。在2009/10流行病学年(称为甲型H1N1流感大流行期)，查询的比例数据可能与其他流行病学年有所不同。它可能会影响集合1中累积查询方法的性能。集合1中累积查询方法的性能随着时间的推移而下降(gydF4y2Ba表4gydF4y2Ba)。它被认为与查询的变化有关(参见gydF4y2Ba表3gydF4y2Ba)。对于一些累积查询方法，添加查询并不会增加相关性。添加的查询在验证集1中的累积查询方法6、8和10中没有给出额外的值(参见gydF4y2Ba表4gydF4y2Ba和gydF4y2Ba多媒体附录2gydF4y2Ba)。验证集1中来自开发集1的组合查询6、8和10有一个常量值0(参见gydF4y2Ba表3gydF4y2Ba和gydF4y2Ba多媒体附录2gydF4y2Ba)。与验证集1、3、4、7、8、10、12和14中的累积查询方法5、9、10中的先前查询相比，添加的查询相对太小(参见验证集2)gydF4y2Ba表4gydF4y2Ba和gydF4y2Ba多媒体附录2gydF4y2Ba)。gydF4y2Ba

我们使用了韩国非主流本地搜索引擎Daum(约占25%的市场份额)的比例数据[gydF4y2Ba32gydF4y2Ba]。我们的累积查询方法与KCDC ILI数据具有较强的相关性。一般而言，b谷歌的市场份额在提供GFT的国家占主导地位[gydF4y2Ba27gydF4y2Ba，gydF4y2Ba28gydF4y2Ba]。我们的研究显示了使用非主导本地搜索引擎开发监视模型的可能性。gydF4y2Ba

限制gydF4y2Ba

这项研究有几个局限性。我们研究的调查样本不具有代表性。由于回答者被要求提供键入的查询，但没有提及2009/10年的流感大流行，因此最近的搜索查询更有可能包括在这项研究中，因为调查是最近进行的。这可能会影响累积查询方法的性能。此外，2009/10年流感大流行的数据可能会影响本研究的结果。在本研究中，我们没有合并来自同一查询组的查询。虽然很重要，但没有测试在KCDC ILI定义中使用症状的性能。2009/10年流感大流行的学习效应、新闻报道、疫情简报、来自互联网的健康信息以及智能手机普及引起的搜索行为的变化可能影响了本研究的结果。我们没有确定这些因素对搜索行为的影响程度。为了了解累积查询方法的寿命，需要更多后续年份的数据。gydF4y2Ba

结论gydF4y2Ba

提出了一种基于搜索引擎数据的累积查询方法。我们进行了一项调查，以获得人口搜索查询。为了减少搜索查询变化带来的影响，我们使用了组合查询和组合查询的累积。我们的方法显示与韩国国家流感监测数据高度相关。然而，为了进一步研究我们的方法，还需要进一步的研究。gydF4y2Ba