JPH JMIR公共卫生监测 JMIR公共卫生和监视 2369 - 2960 卡塔尔世界杯8强波胆分析 加拿大多伦多 v7i12e26644 34591781 10.2196/26644 原始论文 原始论文 通过谷歌趋势和COVID-19新闻报道了解健康传播:八个国家的跨国研究 Eysenbach 冈瑟 Morbey 罗杰 Lefebvre 塞德里克 Wai-kit MD, MPH, MMSc, PhD 1 2 https://orcid.org/0000-0002-8846-7515 Fengqiu 英里每小时 2 https://orcid.org/0000-0002-3170-6773 程ydF4y2Ba Qiuyi 英航,马 3. https://orcid.org/0000-0001-6616-9448 拜特 博士学位 4 https://orcid.org/0000-0002-6675-8442 Aoao 英航 5 https://orcid.org/0000-0001-9088-9162 陶然 二元同步通信 1 https://orcid.org/0000-0002-7806-1263 Huailiang 医学博士 6 https://orcid.org/0000-0002-2040-3945 Akinwunmi Babatunde MM, MPH, mmmsc,博士 7 https://orcid.org/0000-0001-8316-1552 6 https://orcid.org/0000-0001-9272-971X 博士学位 8 https://orcid.org/0000-0002-1272-292X 卡斯珀 英里每小时,博士 9 https://orcid.org/0000-0003-1047-0287 姜ydF4y2Ba 英里每小时,博士 10 https://orcid.org/0000-0002-3931-5013 硕士,博士 3.
新闻与传播学院 国家媒体实验教学示范中心 暨南大学 黄埔大道西601号 广州,510632 中国 86 6262068185 86 13302292599 tsusanliu@jnu.edu.cn
11 https://orcid.org/0000-0001-9070-2863
传染病和公共卫生部 赛马会兽医及生命科学学院 香港城市大学 香港 香港 公共卫生和预防医学系 医学院 暨南大学 广州 中国 新闻与传播学院 国家媒体实验教学示范中心 暨南大学 广州 中国 经济学院 暨南大学 广州 中国 经济管理学院 南京航空航天大学 南京 中国 国际学校 暨南大学 广州 中国 基因组医学中心 马萨诸塞州总医院 波士顿 亚美尼亚 计算机科学学院 暨南大学 广州 中国 公共卫生学院 香港大学 香港 香港 MRC环境与健康中心,流行病学和生物统计学系 圣玛丽校区公共卫生学院 伦敦帝国理工学院 伦敦 联合王国 通讯系 奥尔巴尼大学,纽约州立大学 奥尔巴尼,纽约 美国 通讯作者:刘倩 tsusanliu@jnu.edu.cn 12 2021 21 12 2021 7 12 e26644 25 12 2020 12 1 2021 1 4 2021 18 9 2021 ©Ming Wai-kit, Huang Fengqiu,陈秋义,梁蓓婷,焦奥奥,刘陶然,吴怀亮,Babatunde Akinwunmi, Li Jia, Liu Guan, Casper J P Zhang, Huang Jian,刘倩。原载于JMIR公共卫生与监测(https://publichealth.www.mybigtv.com), 2021年12月21日。 2021

这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR公共卫生和监测上的原创作品。必须包括完整的书目信息,https://publichealth.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。

背景

由于COVID-19大流行,与COVID-19相关的健康信息已通过全球新闻媒体传播。谷歌是使用最多的互联网搜索引擎之一,谷歌Trends工具可以反映公众在大流行期间如何搜索与covid -19相关的健康信息。

客观的

本研究旨在通过谷歌趋势和新闻报道了解健康传播,并探讨其与COVID-19流行早期防控的关系。

方法

为了达到研究目的,我们分析了公众在谷歌上的信息寻求行为和新闻媒体对COVID-19的报道。我们收集了2020年1月1日至4月29日期间八个国家(即美国、英国、加拿大、新加坡、爱尔兰、澳大利亚、南非和新西兰)的COVID-19新闻报道和谷歌搜索查询数据。我们描述了COVID-19新闻报道随时间变化的趋势特征,以及与COVID-19相关的“疾病”、“治疗和医疗资源”、“症状和体征”和“公共措施”等主题的搜索查询趋势。搜索查询趋势提供了相对搜索量(RSV)作为指标,表示特定搜索词在特定地理区域随时间的受欢迎程度。并通过时滞相关分析,进一步探究搜索词趋势与每日新增病例数的关系,以及搜索词趋势与新闻报道量的关系。

结果

从8个国家的所有搜索趋势来看,几乎所有的搜索峰值都出现在2020年3月至4月之间,在2020年4月有所下降。对于与covid-19相关的“疾病”,在大多数国家,“冠状病毒”的RSV比“covid-19”的RSV增加得更早;然而,在2020年4月左右,“covid-19”一词的搜索量超过了“冠状病毒”。在“治疗方法和医疗资源”的话题中,搜索最多的词分别是“口罩”和“呼吸机”。在“症状和体征”这个话题上,“发烧”和“咳嗽”是搜索最多的词。“封锁”一词的RSV明显高于“公共卫生措施”一词的RSV。此外,当搜索趋势与新闻报道相结合时,主要有三种模式:(1)新加坡的模式,(2)美国的模式,以及(3)其他国家的模式。在“治疗和医疗资源”主题的RSV与每日新增病例数的时滞相关分析中,除新加坡外,其他国家的RSV与每日新增病例数呈正相关,其中美国的相关系数最大为0.8。此外,在“疾病”主题总体RSV与每日新闻条数的时滞相关分析中,总体RSV与每日新闻条数呈正相关,最大相关系数大于0.8,搜索行为发生时间比新闻报道时间早0 ~ 17天。

结论

我们的研究结果揭示了公众对口罩、疾病控制和公共措施的兴趣,并揭示了谷歌趋势在面对新传染病出现时的潜在价值。谷歌趋势与新闻媒体相结合,可以实现更高效的健康传播。因此,无论是新闻媒体还是谷歌趋势,都可以为流行病的早期预防和控制做出贡献。

新型冠状病毒肺炎 谷歌趋势 搜索峰值 新闻报道 公众的担忧
简介

2019年12月下旬,中国武汉报告了一群不明病因肺炎患者[ 1].不久之后,一种新型冠状病毒被确定为引起这种肺炎的病原体[ 2],世界卫生组织(世卫组织)将其命名为COVID-19 [ 3. 4].随着COVID-19感染人数持续增加,世卫组织于2020年3月11日宣布COVID-19为大流行[ 5].在全球范围内,截至2020年7月,200多个国家已有1030多万确诊病例和50多万例死亡[ 6],导致COVID-19大流行期间全球供应链中断[ 7].因此,防控疫情的任务十分紧迫。

监测是传染病控制的重要组成部分[ 8 9].然而,传统的流行病公共卫生监测是基于政府实施的数据收集,导致数据可能需要数年才能获得[ 10].大多数国家仍在使用传统的实验室监测,但近年来,一些国家已尝试使用互联网搜索查询数据来协助传统的公共卫生监测,如谷歌流感趋势(GFT)和谷歌登革热趋势[ 11- 14].未来,各类互联网数据,如搜索数据,将为更好地预防和控制疾病提供更多可能性[ 11 12].谷歌Trends是最受欢迎的在线开放工具之一,用于评估来自公共互联网搜索的数据,具有多种优势[ 11].具体而言,它自动收集实时数据,提供定量和定性数据,应用于各种传染性和非传染性疾病的信息学研究[ 13 15].例如,金斯伯格等人[ 16使用谷歌来追踪人群中的流感样疾病。奥坎波等[ 17]是第一个在疟疾监测中使用谷歌搜索查询的。葛林等[ 18]利用谷歌Trends评估了2004年至2009年乳腺癌宣传活动与互联网搜索活动之间的关系。所有上述研究都得出了类似的结论:谷歌趋势可以补充传统的公共卫生监测,帮助我们更好地了解公众对大流行的反应和情绪。此外,谷歌趋势有助于揭示对健康相关信息的需求[ 11 19].

此外,大众媒体对COVID-19的新闻报道在疫情期间发挥了重要作用[ 20.].作为一种信息来源,新闻报道可以为公众提供重要的信息,反过来,引导人们形成积极、健康的行为或防止不健康行为的发展。新闻报道通过直接和间接两种途径影响公众的行为:新闻内容可以直接影响受众的行为,也可以间接影响报道内容的人际讨论和传播[ 21 22].例如,在疾病宣传月期间,公众在线搜索疾病信息的行为会增加[ 18 23].此外,一些研究人员注意到,互联网搜索行为和新闻报道与传统的数据监测有关,而后者似乎促进了对健康主题的互联网搜索[ 24 25].在公共卫生领域[ 26],当出现大流行病时,新闻媒体作为一种工具,可以向公众宣传预防和控制战略。另一方面,新闻媒体也有消极的一面。例如,新闻报道可能不是基于专家评估,可能持有相对独立的观点。此外,新闻报道可能会引起公众恐慌。虽然新闻价值很复杂,但分析互联网数据有助于提高公众沟通的有效性[ 19].换句话说,新闻报道在健康传播中起着重要作用。因此,获取现有的在线数据,包括网络搜索查询数据和社交媒体信息,可以为COVID-19的预防和控制提供新的见解[ 27].

迄今为止,只有少数研究将互联网搜索数据与新闻报道数据相结合。因此,本研究使用谷歌查询数据、新闻报道数据和新冠肺炎病例数据来了解疫情早期的健康传播。

方法 概述

在这项研究中,我们收集了2020年1月1日至4月29日(120天)的谷歌趋势、新闻报道和与covid -19相关的每日新增病例数据,这被认为是美国、英国、加拿大、新加坡、爱尔兰、澳大利亚、南非和新西兰八个国家的疫情早期。然后,我们描述了不同国家谷歌Trends的搜索查询和新闻报道趋势,以了解健康传播的情况,并探讨了上述与COVID-19疫情早期防控之间的联系。

数据收集 谷歌查询数据

谷歌Trends是用来跟踪互联网搜索量的最流行的在线工具之一。谷歌趋势用户[ 28]可获得词汇的搜索趋势数据[ 8].谷歌Trends提供相对搜索量(RSV)来描述特定搜索词在特定地理区域一段时间内的流行程度。RSV取值范围为0 ~ 100。值为0表示该术语没有足够的数据,值为100表示该术语的最高受欢迎程度[ 10 29].

根据先前的研究[ 20.]、症状、治疗和医疗资源、措施以及病毒本身是新冠肺炎大流行早期网络媒体报道的主要话题。因此,我们选择了“疾病”、“治疗和医疗资源”、“症状和体征”以及“公共措施”作为搜索主题,并将其作为搜索词。此外,由于谷歌Trends的语言有限,本研究只包括英语国家[ 30.].根据人口规模,我们选择了8个英语国家进行研究:美国、英国、加拿大、新加坡、爱尔兰、澳大利亚、南非和新西兰。收集了这八个国家2020年1月1日至4月29日期间上述主题的RSV数据,然后导出为CSV文件。主题及其查询术语显示在 表1

查询与COVID-19相关的主题和搜索词。

查询主题 搜索条件
疾病 冠状病毒、covid-19和肺炎
治疗和医疗资源 "呼吸机" "疫苗"和"口罩"
症状和体征 “发烧”、“咳嗽”、“呼吸短促”和“疲劳”。
公共措施 “隔离”、“封锁”和“社交距离”
新闻报道数据

融水资讯是一个实时监控国内外新闻的平台,覆盖30多万家在线网站、新闻客户端等新闻媒体[ 31].通过广泛的地理覆盖,Meltwater提供了来自不同国家的丰富新闻数据。为了对新冠肺炎疫情的新闻报道进行比较分析,我们选取了8个国家(美国、英国、加拿大、新加坡、爱尔兰、澳大利亚、南非、新西兰)的新闻媒体,以“COVID-19”或“冠状病毒”为关键词,搜索2020年1月1日至4月29日的新闻报道。

新增病例资料

每日新增COVID-19病例数由世卫组织根据监测数据获得[ 32].

分析框架

首先,我们使用折线图展示了8个国家对不同主题的搜索趋势,并附上了新冠肺炎病例的流行曲线。然后,我们通过比较搜索峰值来评估国家层面上最受欢迎的术语,以确定不同国家中各种术语的特征。然后探究搜索查询词趋势波动的原因以及波动对新冠肺炎疫情防控的影响。此外,在谷歌Trends中,加号(+)具有“或”的功能,可以将多个项连接起来,形成一个整体项[ 33].因此,我们使用“+”将不同主题中的多个术语整合为主题的整体术语,其RSV表示主题的整体RSV。例如,我们使用“冠状病毒+ covid-19 +肺炎”的RSV来代表“疾病”的总体RSV。

其次,采用邻域平均法对新闻报道数据进行平滑处理[ 34 35].然后,我们使用折线图来显示新闻报道的纵向趋势,并确定八个国家之间新闻报道的异同。此外,为了进一步探讨新闻报道与网络搜索查询的关系,以及搜索查询与每日新闻的关系,我们将四个话题的总体RSV进行汇总,得到总RSV,并将其与每日新增病例的流行曲线一起附在折线图上,以便更直观地观察三者在不同国家的变化。此外,我们还对不同主题的搜索总回复值与每日新增病例数、不同主题的搜索总回复值与每日新闻条数进行了时滞相关分析。R软件中“tseries”包的互相关函数(4.0.5版本;R Foundation)用于计算时滞相关性。在分析中,使用了-17天和+17天之间的时滞,并使用Pearson相关系数作为相关度量。

最后,采用中断时间序列分析,评估首例COVID-19病例的出现对“症状和体征”主题的四个搜索词的影响。以首例新冠肺炎病例发生日期为变化点,采用广义最小二乘估计拟合分段线性回归模型,评估首例病例发现后RSV水平和斜率的变化。残差自相关检验采用Durbin-Watson检验。所有假设检验的显著性水平(α)为0.05。

结果

图1通过相关查询词描述特定查询主题的趋势,并伴随着所研究的八个国家的每日新病例。

在主题“疾病”中,我们使用了“冠状病毒”、“covid-19”和“肺炎”( 图1).关于“冠状病毒”,其RSV在2020年1月20日左右有所增加,并在2020年1月底出现一个小峰值。除新加坡外,其他国家的“冠状病毒”RSV均在2020年3月中下旬形成明显峰值。“covid-19”一词的RSV从2020年2月11日开始上升,并在2020年3月底至4月初形成搜索高峰;2020年4月前后,“冠状病毒”的RSV值超过了“冠状病毒”。与这两个词相比,2020年1月至4月期间,“肺炎”的趋势波动很小。

图2显示主题“治疗方法和医疗资源”的趋势,包括查询词“呼吸机”、“疫苗”和“口罩”。“口罩”是搜索量最高的词,其次是“疫苗”和“呼吸机”。关于“口罩”一词,尽管在特定国家(即新加坡、爱尔兰、澳大利亚和新西兰)出现了多次搜索高峰,但所有八个国家的搜索都出现在2020年4月。关于“疫苗”一词,大多数国家的RSV从3月开始上升,并在2020年3月中旬出现了几次小峰值。

2020年1月1日- 4月29日,8个国家“疾病”主题搜索查询趋势及每日新增COVID-19病例趋势。卫生组织:世界卫生组织。

2020年1月1日- 4月29日,8个国家“治疗和医疗资源”主题搜索查询趋势及每日新增COVID-19病例趋势。卫生组织:世界卫生组织。

图3显示了与COVID-19相关的主题“症状和体征”的趋势。在查询词中,“发烧”是搜索次数最多的词,其次是“咳嗽”、“呼吸短促”和“疲劳”。关于“发烧”和“咳嗽”,除新加坡外,所有国家的搜索高峰都在2020年3月中旬左右形成,略早于每日新增病例的峰值。在新加坡,“发烧”和“咳嗽”的搜索高峰出现在2020年1月底至2月中旬。

2020年1月1日- 4月29日,8个国家“症状和体征”主题搜索查询趋势及每日新增病例趋势。卫生组织:世界卫生组织。

图4显示主题“公共措施”的趋势,在此研究期间使用查询术语“隔离”、“社交距离”和“封锁”。“封锁”的RSV最高,其次是“隔离”和“保持社交距离”。所有这些词在2020年3月之前的搜索频率都很低,“隔离”和“封锁”的搜索频率在2020年3月中旬之后上升并形成搜索峰值。

2020年1月1日- 4月29日,8个国家“公共措施”主题搜索查询趋势及每日新增病例趋势。卫生组织:世界卫生组织。

与COVID-19相关的新闻报道趋势见 图5.根据邻域平均法,我们将7天作为基期,以平滑新闻报道条目数。以美国为例, y1 y2、…… yn为2020年1月1日至4月29日新闻报道的真实数量,其中n=120。因此,拟合新闻报道的价值 年代t 可由 年代t = ( y条t - 3+ y2+ yt - 1+ yt+ yt + 1+ yt + 2+ yt + 3 ) / 7,其中 y条t - 3 y2 yt - 1 表示前3天、前2天和前1天的新闻报道项的真实数量 t, yt + 3 yt + 2 yt + 1 表示连续3天、2天和1天的新闻报道项目的真实数量 t,在那里 t= 4,……,117.在8个国家,2020年2月之前的新闻报道数量仍然很低。从1月底开始,新闻报道数量逐渐增加,直到2020年3月底,此后保持稳定。这一趋势在除美国外的所有国家都得到了一致的观察。相比之下,美国的覆盖率从2020年3月29日左右开始飙升,远远超过其他任何国家近300倍。此外,在比较总回复数和新闻报道的趋势时,我们确定了八个国家的三种主要模式,我们称之为新加坡、美国和其他国家的模式。在新加坡,总回复数的趋势分别在1月下旬至2月中旬和3月中旬至4月上旬形成了两个主要高峰,从2020年1月底开始,新闻报道数量逐渐增加到一个相对较高的水平。在美国,随着总回复量在2020年3月中下旬左右达到峰值,总回复量开始下降,而低水平新闻报道量在2020年3月底突然增加到相对较高的水平。 In other countries, the total RSVs and the number of news coverage items spiked in mid-March, but the growth of total RSVs occurred slightly earlier than that of news coverage items. Across all patterns, the total RSVs gradually dropped to the baseline level after the peaks from mid-March to early April, while the news coverage items remained at a higher level.

2020年1月1日至4月29日,8个国家4个话题的新闻报道趋势、每日新增病例和总相对搜索量(RSVs)。卫生组织:世界卫生组织。

图6显示“治疗和医疗资源”主题的总体RSV与每日新增病例之间的时滞相关性。除新加坡外,所有国家“治疗和医疗资源”主题的总体RSV与每日新增病例呈正相关,其中美国的相关性最高,为0.8。此外,我们将这八个国家分为三类:(1)新加坡;(2)美国、英国、加拿大、南非和爱尔兰;(3)澳大利亚和新西兰。在新加坡,“治疗和医疗资源”主题的总体RSV在新冠肺炎每日新增病例高峰前17天内逐渐下降;新增病例高峰形成后,呈明显的负相关关系。第二类国家(美国、英国、加拿大、南非、爱尔兰)“治疗和医疗资源”话题的总体RSV在17天左右保持在较高水平,随后形成每日新增病例峰值,随后逐渐下降;相关性保持在0.2以上。也就是说,在-17天至17天的时间间隔内,这些国家的总体rsv与每日新增病例之间的相关性保持在中高水平。 In the third category of countries (ie, Australia and New Zealand), about 1 day and 6 days before forming the peak of new daily infections, the overall RSV for the “treatments and medical resources” topic reached the highest levels, with the maximum correlations being close to 0.8 and 0.7. The time-lag correlation between –17 and 17 days showed a high curve trend in the middle and was low on both sides.

图7显示,8个国家“疾病”话题的总体RSV与每日新闻条数呈正相关,相关系数最高的超过0.8;这表明,随着以“疾病”为主题的搜索查询量的增加,与COVID-19相关的每日新闻条目数量也呈现增加趋势。我们把这八个国家分为两类。第一类只包括美国;其相关性最大出现在每日新闻报道数量最多的前17天,随后相关性在-17 -17天的时滞内逐渐下降,呈明显的负线性趋势。也就是说,公众对“疾病”话题的兴趣在新闻报道高峰前17天达到峰值,然后随着时间的推移逐渐下降。第二类国家包括英国、加拿大、爱尔兰、新加坡、澳大利亚、南非和新西兰。在每日新闻量最大的前17天,公众对“疾病”话题的兴趣依然很高。这些国家对“疾病”的公众兴趣达到最高水平的时间大多在1天左右,日新闻量最大;最大相关系数接近0.8。 However, within 17 days after the largest amount of daily news, the public gradually lost interest, but most of the correlations remained above 0.2; that is, the correlations maintained a moderate level.

8个国家2020年1月1日至4月29日“治疗和医疗资源”主题的总体相对搜索量(RSV)与每日新增病例的时滞相关性。两条蓝色虚线之间的区域是白噪声的95% CI。如果滞后z天的相关系数落在两条蓝色虚线之间,我们可以认为每日新增病例与报告每日新增病例最多的滞后(前)z天内“治疗和医疗资源”的总体RSV无关,置信水平为95%。

8个国家2020年1月1日至4月29日“疾病”主题和每日新闻的总体相对搜索量(RSV)的时滞相关性。两条蓝色虚线之间的区域是白噪声的95% CI。如果滞后z天的相关系数落在两条蓝色虚线之间,我们可以认为,在滞后(前)z天内,当每日新闻报道量达到最大值时,每日新闻条目与“疾病”的总体RSV不相关,置信水平为95%。

图S1到S3 多媒体附件1显示“疾病”、“症状和体征”和“公共措施”主题的总体回复值与每日新增病例数之间的时滞分析结果。图S4至S6 多媒体附件1显示“治疗和医疗资源”、“症状和体征”、“公共措施”等主题的总体回复值与每日新闻条数之间的时滞分析结果。表S1 多媒体附件1报告了第一例COVID-19病例对主题“症状和体征”搜索词的回复值的影响。

讨论 主要研究结果

从“疾病”的搜索趋势看,所有搜索高峰均早于新冠肺炎新增病例;这与其他研究相似[ 25 36 37].当“冠状病毒”被用作搜索词时,这个词在2020年1月20日左右在所有国家引起了极大的兴趣。当天,中国官方宣布该病毒具有传染性,美国发现了首例病例,这可能促使公众迅速认识到这一威胁,并引起了公众的兴趣。“covid-19”一词于2020年2月11日由世界卫生组织首次发布。此后,它的搜索量逐渐增加,并超过了“冠状病毒”和“肺炎”,成为此次大流行的主要搜索词。上述调查结果表明,公众对与COVID-19疫情相关的外部事件的兴趣发生了变化,这表明谷歌趋势有可能被用作监测公众对威胁性事件的反应和情绪的工具[ 38].

在“治疗方法和医疗资源”的搜索趋势中,公众对“呼吸机”最不感兴趣,尽管呼吸机是治疗新冠肺炎患者的重要医疗设备,而且在疫情期间,一些国家或地区出现了呼吸机短缺的情况,如纽约市[ 39].然而,大多数健康人士更关心口罩而不是呼吸机。此外,戴口罩是预防感染的重要手段,在遏制新冠肺炎疫情中发挥着至关重要的作用[ 40].在口罩短缺的情况下[ 41],公众对“面具”一词的兴趣波动较大;虽然搜索行为变化的原因很复杂,但在一定程度上反映了公众对口罩短缺的担忧。除口罩外,疫苗接种也是结束COVID-19大流行的重要方式[ 4];因此,在我们的研究中,“疫苗”一词反映出的公众关注程度不断上升,这与之前Paguio等人的研究结果一致[ 38].面对新冠肺炎疫情的迅速蔓延和有效疫苗的缺乏,公众对疫苗研究的关注程度很高,这在一定程度上反映在公众对新冠肺炎疫苗的迫切需求引发的恐慌中,这也可能是结束当前大流行的希望[ 38].

此外,在时滞相关分析中,除新加坡外,其他国家“治疗和医疗资源”主题的总体RSV与每日新增病例呈正相关,美国相关系数最大超过0.8。此外,“治疗和医疗资源”主题的整体RSV峰值出现时间比新增日病例峰值提前0 ~ 17天。正相关系数显示,随着本研究中搜索量的增加,每日新增病例数也呈现增加趋势。这些结果与其他研究的结果相似[ 25 42 43];因此,谷歌趋势有可能成为疾病预防和控制的有用工具。此外,Ali等[ 44]发现,通过观察谷歌趋势,公众对远程医疗的兴趣持续增加。然而,在大多数国家和地区,卫生保健系统的数字设备无法满足日益增长的公共需求,这提醒相关利益攸关方将远程医疗纳入卫生保健系统,以抗击大流行。在Nikolopoulos等人的研究中[ 7],研究人员还使用谷歌Trends数据和模拟政府政策来建模并成功预测大流行期间对产品和服务的过度需求。结果表明,谷歌Trends数据可以识别预测的动态过程和供应链管理方向,以协助决策者在供应链和疾病预防战略方面做出许多关键决策。因此,谷歌趋势可用于捕捉公众早期关注的问题或需求,以确定公众需求的波动[ 7].在公共卫生危机期间,特定主题或术语的RSV增加可被视为公共需求或需要;我们可以把这些公众的要求转化为实际行动,制定合理的对策,迅速作出回应[ 45].例如,谷歌Trends可以提供一个制定生产计划的机会,以避免供应链中断,并确保资源的合理分配。具体而言,政府可提前安排特别财政预算,以支付突发公共卫生事件及其相关影响的相关费用,如对口罩和呼吸机生产企业的补贴[ 45].然而,我们仍然需要更多的研究来提供更多的证据来支持决策政策的预测价值。

对于新发传染病的风险监测,综合征监测可能比传统监测系统更快地发现健康威胁,从而更有可能及时采取公共卫生行动[ 46].最近,谷歌Trends数据被应用于综合征监测:这是基于当患者出现某种症状时,他们很可能会在谷歌上搜索该症状的描述。当某一特定症状的RSV增加时,可在一系列广泛分析后向综合征监测员发出警报[ 11].在这项关于“症状和体征”搜索趋势的研究中,发烧和咳嗽是大多数国家公众最关心的症状,这些症状已被报道为COVID-19最常见的症状[ 47].同时,时滞相关分析结果显示,各国“发烧”和“咳嗽”词条的搜索峰值比新增病例峰值早1 ~ 17天,其中澳大利亚的相关系数最大,接近0.9;这支持了谷歌趋势数据,表明上述症状似乎在流行早期发挥了预警功能。此外,许多研究人员使用特定的搜索数据来准确估计每周流感活动的水平[ 16 48].换句话说,搜索查询数据与新增病例数量之间可能存在一定的关系,这可能对COVID-19的监测、预防和控制有用。然而,关于谷歌搜索查询数据在预测流行病方面的有用性一直存在争议;GFT的取消表明该工具的预测可能不够准确[ 49].一般来说,综合征监测往往不能完全反映疾病的流行状况,并会受到其他因素的影响,如新闻报道和重要事件[ 36 50].在其他研究中,媒体报道已被证明是影响搜索查询兴趣的重要因素[ 51].在本研究中,RSV的峰值早于新闻报道数的峰值,RSV的趋势仍与新闻报道数呈正相关(图S5) 多媒体附件1).因此,虽然谷歌Trends的预测价值值得怀疑,但未来的研究可能需要消除媒体报道等因素的影响。

在预防和控制传染病方面,隔离、保持社会距离、封锁等都是控制传染源、阻断传播途径的公共措施,对防控新冠肺炎疫情至关重要[ 52].关于“公共措施”话题,在3月中下旬形成了搜索趋势峰值,与之对应的重要事件是大部分国家的封锁政策也在3月中下旬发布并实施[ 51].同样,从时滞相关分析的结果来看,除美国外,所有国家的公众兴趣峰值都接近新闻报道数量峰值,但新冠肺炎相关新闻的报道峰值略晚于公众兴趣峰值(图S6) 多媒体附件1).此外,“封锁”一词的RSV明显高于“保持社交距离”。除了表明大多数国家的公民对“封锁”一词更感兴趣外,这可能是因为公众不清楚“封锁”这一公共措施的含义。公共措施干预的有效性不仅取决于强有力的政策,还取决于对公共措施的正确认识和遵守。因此,如果公众对公共措施缺乏兴趣或理解,可能会危及COVID-19的防控[ 47 52 53].此外,新闻媒体是在传染病流行早期实现良好风险沟通和提高政策或措施控制效果的重要工具[ 26].因此,在新政策或措施实施前或实施初期,政府可以利用新闻媒体进行政策宣传,制定良好的风险传播策略,以获得高质量的健康传播效果,更好地控制COVID-19的传播[ 54].

将搜索查询趋势与新闻报道进行比较,搜索查询趋势体现了公众兴趣,新闻反映了大众健康传播。此外,新病例数量是反映疫情严重程度和防控水平的一个指标。根据八个国家不同的文化、政治和疫情情况,有三种健康传播模式:(1)新加坡模式,(2)美国模式,(2)其他国家模式。关于新加坡的模式,它与其他国家有很大的不同。最大的不同是,搜索查询峰值出现的时间比其他国家要早,这表明新加坡人在疫情早期更关注疫情。此外,在新加坡,“治疗和医疗资源”话题、“症状和体征”话题、每日新闻条目数、每日新增病例数之间的时滞分析结果也与其他国家不同。相关性是负的和低的。其中,新加坡公众对“治疗和医疗资源”的搜索兴趣与每日新闻条目数的相关性较低(图S4) 多媒体附件1),表明在新冠肺炎疫情的早期,新加坡公众对“治疗和医疗资源”的早期关注不太可能受到新闻报道数量的影响,但很可能受到其他因素的影响。新加坡公众的兴趣主要有两个原因。一是新加坡作为一个旅游中心,与邻国中国有频繁的旅游商业交流。二是新加坡从2003年的SARS中汲取了惨痛的教训[ 55],因此在疫情早期采取了各种措施控制病毒的传播,如体温检查和健康检查、公众教育和隔离。这些措施可能会使公众尽快意识到新的威胁和相关卫生信息,从而通过卫生通信提高公众对COVID-19的敏感性和警惕性[ 56 57].也就是说,新加坡在疫情防控方面做得很好。同样,新加坡公众早期对症状的兴趣可能受到其他因素或事件的影响,例如第一例COVID-19病例(表S1) 多媒体附件1),但RSV变化原因的确定还需进一步分析。

从美国和其他国家的模式来看,美国的新闻报道量远远高于其他国家。新增病例数量也远高于其他国家。因此,在某种程度上,他们对新冠肺炎相关新闻的报道水平是合理的,但这也可能是由于数据收集方法不规范造成的错觉。总体而言,大多数国家的新闻报道对3月底发生的COVID-19疫情反应积极。此外,每日新闻条目数与主题“疾病”总体RSV之间的时滞相关分析结果也反映了新闻报道出现的时间晚于搜索查询,滞后时间从0天到17天不等。此外,两者之间的相关性较高,并随着时间的推移逐渐降低,这表明在本研究中,公众对COVID-19疫情的兴趣出现在新闻媒体报道出现之前。基于Dutta-Bergman的渠道互补性理论,Zillmann和Bryant的选择性曝光理论,Rubin的使用和满足理论,假设活跃受众使用不同的媒体渠道来满足他们的需求[ 58],我们可以用这些来解释新闻报道和搜索查询趋势之间的关系。具体来说,在这次COVID-19疫情的不确定性中,最初的新闻报道很少,这表明公众可能没有得到足够的信息,因此公众的搜索量更高。随着新闻报道的增加,更多的信息是可用的,不确定性减少了,公众的在线搜索行为也是如此。然而,同一时期的总体rsv数量开始下降,这可能是一种公众对COVID-19的脱敏,可能是持续广泛的新闻报道造成的[ 59- 61].即在新冠肺炎疫情早期,由于公众缺乏相关信息,导致健康信息查询行为增加[ 42].因此,在这种情况下,谷歌趋势可以反映信息需求,并可能为风险沟通和健康沟通提供适当的窗口期和地点[ 42 62].

面对新发传染病,公众缺乏相关信息,及时有效的风险沟通是必要的。新闻媒体是塑造公众风险意识和传播相关卫生信息的关键资源;它有很大潜力成为卫生传播方面的有效伙伴,可促进风险传播和疾病预防和控制战略的实施[ 26].在本研究中,公众对不同话题的兴趣具有不同的特征,其兴趣与疫情发展、媒体报道等因素有关。这也提醒国家或公共卫生部门,与公众沟通的时候,他们应该尽快联合新闻媒体,关注公共利益的变化通过监测谷歌趋势搜索数据和媒体报道,新闻的本质和内容计划,并提供所需的信息,公众以更合理的方式,为了更好地预防和控制传染病的早期阶段,如COVID-19流行病[ 26 43 54].但是,谷歌Trends的搜索词的回复值是相对值,并不能提供实际搜索量的确切值。由于出现了一些搜索量较高的搜索词,搜索词的趋势变化可能被低估[ 63].因此,它在一定程度上降低了谷歌Trends的可用性,尽管单个搜索词的线性趋势没有改变。但在一些研究中,通过收集更多的数据,分析季节差异和长期趋势,我们可以进一步分析搜索词是否有变化,并探讨这些变化的意义和原因[ 17 38].此外,谷歌Trends具有实时可用的特点,不仅可用于实时监测公众情绪、反应和需求,还可用于评估风险沟通和公共卫生干预的效果以及重大事件或政策的影响等因素。例如,利用中断时间序列分析来评估名人自杀事件对搜索量的影响,以及控烟政策对戒烟信息搜索率的影响,以评估政策实施的有效性[ 64 65].在互联网时代,随着移动终端的普及,在线搜索是一个双向交流的过程,包括发送搜索请求和接收搜索结果。发出查册要求反映公众对有关风险的严重性和迫切性及实际需要的回应,而接收查册结果则是回应公众对他们管理或回应风险的能力和成效的意见[ 66].因此,对数据的及时响应和挖掘非常重要,谷歌Trends具有实时可用性的特点。此外,谷歌Trends还可以整合更多的数据源,比如Twitter和Facebook等,所以谷歌Trends的数据仍然有价值[ 39 67- 69].

限制

趋势有其自身的局限性。例如,它更适用于研究互联网流行的国家的高患病率疾病[ 8]以及在提供搜索量的相对和准确值时。由于谷歌现有的语言限制[ 23),我们只研究了主要的英语国家。此外,谷歌搜索数据和新闻数据可能不够全面,可能没有包括与COVID-19相关的所有搜索词或主题。例如,我们没有包括一些重要的症状(如“味觉或嗅觉丧失”),我们省略了一些类似的术语,如“武汉病毒”。此外,“肺炎”不仅与COVID-19有关,还可能与流感有关。此外,新闻报道数据与搜索词和主题之间没有一对一的对应关系。因此,进一步的研究应该应用详细的搜索词,提取更多的新闻数据,挖掘额外的价值。

结论

通过谷歌趋势,我们了解了新冠肺炎疫情早期公众对各方面的关注程度,了解了公众的关注和忽视,揭示了谷歌趋势在监测新发传染病发生时公众反应和需求、预测等方面的潜在价值。此外,新闻媒体作为重要的信息来源,结合谷歌趋势,可以实现更有效的健康传播。因此,无论是新闻报道还是谷歌搜索趋势,都可能有助于在疫情早期预防和控制疫情。

补充材料。

缩写 GFT

谷歌流感趋势

RSV

相对搜索量

世界卫生组织

本研究由国家社会科学基金资助(18CXW021)。

QL和W-KM构想了最初的想法,并设计了整个研究过程。QL, W-KM, FH, QC收集和清理数据。W-KM, FH, QC, BL进行数据分析和数据解释。W-KM, QL, FH, QC, TL编写了第一版手稿。FH, HW, QC和BL组成了图。JH、CJPZ和BA对项目的管理、数据分析和数据解释做出了贡献。W-KM, QL, QC, FH, AJ和TL对最终版本的手稿做出了贡献。QL, JH, CJPZ和BA审阅了手稿。所有作者都对结果和最终手稿的解释做出了贡献。所有作者讨论并同意研究结果的含义,并批准发表最终版本。

没有宣布。

COVID-19 -中国 世界卫生组织 2020 1 5 2020-07-07 https://www.who.int/csr/don/05-january-2020-pneumonia-of-unkown-cause-china/en C Y X l J Y l 风扇 G J X Z T J Y W X W H Y H l J G R Z J B 武汉地区新型冠状病毒感染患者临床特征分析 《柳叶刀》 2020 02 15 395 10223 497 506 10.1016 / s0140 - 6736 (20) 30183 - 5 31986264 s0140 - 6736 (20) 30183 - 5 PMC7159299 N 关注2019新型冠状病毒(SARS-CoV-2) 未来Microbiol 2020 07 15 905 918 10.2217 / fmb - 2020 - 0063 32524843 PMC7291595 Y Y 程ydF4y2Ba Y 2019年新型冠状病毒肺炎(COVID-19)具有独特的流行病学和临床特征,需要采取特殊的控制措施 J Med病毒 2020 03 05 92 (6) 568 576 10.1002 / jmv.25748 32134116 PMC7228347 2019冠状病毒病(COVID-19)疫情报告-51 世界卫生组织 2020 3. 11 2020-07-07 https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200311-sitrep-51-covid-19.pdf?sfvrsn=1ba62e57_10 冠状病毒病(COVID-1)疫情报告 世界卫生组织 2020 7 1 2020-07-07 https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200701-covid-19-sitrep-163.pdf?sfvrsn=c202f05b_2 Nikolopoulos K Punia 年代 谢弗 一个 Tsinopoulos C Vasilakis C 大流行期间的预测和规划:COVID-19的增长率、供应链中断和政府决策 欧洲执法者 2021 04 01 290 1 99 115 10.1016 / j.ejor.2020.08.001 32836717 s0377 - 2217 (20) 30691 - 3 PMC7413852 Carneiro Mylonakis E 谷歌趋势:实时监测疾病爆发的基于web的工具 临床感染病 2009 11 15 49 10 1557 1564 10.1086/630200 19845471 Y Bi D G Y Y B 一个 X D Y 使用谷歌Trends动态预测寨卡疫情 《公共科学图书馆•综合》 2017 12 1 e0165085 10.1371 / journal.pone.0165085 28060809 玉米饼- d - 16 - 40369 PMC5217860 Mavragani 一个 奥乔亚 G 信息流行病学和信息监测趋势:方法论框架 JMIR公共卫生监测 2019 05 29 5 2 e13439 10.2196/13439 31144671 v5i2e13439 PMC6660120 Alicino C Bragazzi 法西奥 V Amicizia D Panatto D Gasparini R Icardi G 奥尔西 一个 评估埃博拉相关的网络搜索行为:来自谷歌基于趋势的查询量分析研究的见解和影响 传染疾病贫穷 2015 12 10 4 54 10.1186 / s40249 - 015 - 0090 - 9 26654247 10.1186 / s40249 - 015 - 0090 - 9 PMC4674955 Sahai V 康拉德 C 布朗斯坦 JS 使用网络搜索查询数据监测登革热流行:被忽视热带病监测的新模型 PLoS nel Trop Dis 2011 05 5 5 e1206 10.1371 / journal.pntd.0001206 21647308 pntd - d - 11 - 00327 PMC3104029 Eysenbach G 信息流行病学和信息监测跟踪在线健康信息和网络行为的公共卫生 是J Prev Med吗 2011 05 40 5补充2 S154 S158 10.1016 / j.amepre.2011.02.006 21521589 s0749 - 3797 (11) 00088 - 2 Gluskin RT 约翰逊 Santillana 布朗斯坦 JS 基于互联网的登革热查询数据评估:谷歌登革热趋势 PLoS nel Trop Dis 2014 02 8 2 e2713 10.1371 / journal.pntd.0002713 24587465 pntd - d - 13 - 01232 PMC3937307 这位设计师 F 正义与发展党 Lim MSC Saremi N Ahmadvand 一个 “谷歌搜索”癌症:澳大利亚、加拿大、新西兰、英国和美国在线搜索兴趣的信息流行病学评估 JMIR癌症 2016 05 04 2 1 e5 10.2196 / cancer.5212 28410185 v2i1e5 PMC5369660 金斯堡 J Mohebbi MH 帕特尔 RS 布拉姆 l Smolinski 女士 才华横溢的 l 使用搜索引擎查询数据检测流感流行 自然 2009 02 19 457 7232 1012 1014 10.1038 / nature07634 19020500 nature07634 奥坎波 AJ Chunara R 布朗斯坦 JS 使用疟疾监测的搜索查询,泰国 颧骨J 2013 11 04 12 390 10.1186 / 1475-2875-12-390 24188069 1475-2875-12-390 PMC4228243 格林 RW 凯利 JC 科菲 N 斯威尼 KJ 凯瑞恩 乔丹 乳腺癌宣传月对互联网搜索活动的影响——与肺癌和前列腺癌宣传活动的比较 BMC癌症 2011 10 12 11 442 10.1186 / 1471-2407-11-442 21993136 1471-2407-11-442 PMC3210140 Salathe Freifeld CC Mekaru Tomasulo 房颤 布朗斯坦 JS 甲型H7N9流感与数字流行病学的重要性 N英语J医学 2013 08 01 369 5 401 404 10.1056 / NEJMp1307752 23822655 PMC4873163 Z J 程ydF4y2Ba G 程ydF4y2Ba 年代 B H Akinwunmi B J W 中国新冠肺炎疫情暴发早期新闻媒体健康传播:数字主题建模方法 J医疗互联网服务 2020 04 28 22 4 e19118 10.2196/19118 32302966 v22i4e19118 PMC7189789 韦克菲尔德 Loken B Hornik 钢筋混凝土 利用大众媒体运动改变健康行为 《柳叶刀》 2010 10 09 376 9748 1261 1271 10.1016 / s0140 - 6736 (10) 60809 - 4 20933263 s0140 - 6736 (10) 60809 - 4 PMC4248563 Hornik 钢筋混凝土 Yanovitzky 运用理论设计传播运动的评价:全国青少年禁毒媒体运动的案例 Commun理论 2003 05 13 2 204 224 10.1111 / j.1468-2885.2003.tb00289.x 25525317 PMC4267481 库珀 CP 马龙 KP 利百特 年代 波拉克 Peipins 癌症互联网搜索活动在一个主要的搜索引擎,美国2001年至2003年 J医疗互联网服务 2005 07 01 7 3. e36 10.2196 / jmir.7.3.e36 15998627 v7i3e36 PMC1550657 戈什 年代 Chakraborty P Nsoesie EO 科恩 E Mekaru 布朗斯坦 JS Ramakrishnan N 时间主题建模用于评估新闻趋势与传染病爆发之间的关联 Sci代表 2017 01 19 7 40841 10.1038 / srep40841 28102319 srep40841 PMC5244405 C 程ydF4y2Ba LJ 程ydF4y2Ba X CP 程ydF4y2Ba H 从互联网搜索和社交媒体数据预测COVID-19爆发可能性的回顾性分析,中国,2020年 欧元Surveill 2020 03 12 25 10 2000199 1560 - 7917. - 10.2807 / es.2020.25.10.2000199 32183935 PMC7078825 史密斯 KC 裂缝的 RN 桑德伯格 H JD Lagasse l Maulsby C 罗迪斯 E 巴奈特 DJ 俄梅珥 某人 链接 JM 了解新出现大流行的新闻价值:国际报纸对H1N1爆发的报道 流感其他呼吸道病毒 2013 09 7 5 847 853 10.1111 / irv.12073 23280138 PMC4941752 侯赛因 布里格斯 B Lefebvre C 克莱因 DM Stopyra 摩根大通 O ' brien MC Vaithi R 吉尔摩 年代 乡下人 C 美国公众对COVID-19的兴趣波动:谷歌趋势搜索数据的回顾性分析 JMIR公共卫生监测 2020 07 17 6 3. e19969 10.2196/19969 32501806 v6i3e19969 PMC7371405 谷歌趋势 2021-12-13 http://google.com/trends/ Ayyoubzadeh SM Ayyoubzadeh SM Zahedi H 艾哈迈迪 R Niakan Kalhori 年代 通过分析伊朗谷歌Trends数据预测COVID-19发病率:数据挖掘和深度学习试点研究 JMIR公共卫生监测 2020 04 14 6 2 e18828 10.2196/18828 32234709 v6i2e18828 PMC7159058 霍普金斯 古银 秘密 谷歌搜索防晒霜、晒伤、皮肤癌和黑素瘤的国际比较:当前趋势和公共卫生影响 Photodermatol photoimmunl Photomed 2019 03 35 2 87 92 10.1111 / phpp.12425 30198586 融水 2021-12-15 https://www.meltwater.com/en 世卫组织冠状病毒(COVID-19)仪表盘 世界卫生组织 2021-12-13 https://covid19.who.int D X Z N Y J 太阳 G F 需要采取更有效的战略来加强公众对COVID-19的认识:来自谷歌趋势的证据 J Glob Health 2020 06 10 1 011003 10.7189 / jogh.10.011003 32373339 如果- 10 - 011003 PMC7182392 玉泉 W Peihong l Y 基于邻域平均法的点云去噪算法 江西理工大学 2019 1 10 15 10.13265 / j.cnki.jxlgdxxb.2019.01.003 Huiyun Y Youhui Z 醴陵 H Z 贝叶斯决策和邻域平均法在图像去噪中的应用[文章] 计算工程应用 2010 46 9 149 151 希金斯 TS 亚历山大-伍尔兹 沙玛 D 维生 EA 鲁贝尔 K 司法院 鼻涕部队联盟 在线搜索引擎趋势与冠状病毒疾病(COVID-19)发病率的相关性:信息流行病学研究 JMIR公共卫生监测 2020 05 21 6 2 e19702 10.2196/19702 32401211 v6i2e19702 PMC7244220 Szmuda T 阿里 年代 Hetzger 电视 Rosvall P 年代łoniewski P 新型冠状病毒(COVID-19)的网络搜索与媒体或流行病学有关吗?横断面研究 传染病 2020 08 97 386 390 10.1016 / j.ijid.2020.06.028 32535297 s1201 - 9712 (20) 30464 - 1 PMC7290205 Paguio 晶澳 JS 电子商务 COVID-19的一线希望:一项信息流行病学研究提高了全球对肺炎球菌和流感疫苗的兴趣 疫苗 2020 07 22 38 34 5430 5435 10.1016 / j.vaccine.2020.06.069 32620371 s0264 - 410 x (20) 30855 - 0 PMC7315971 Truog 理查德·道金斯 米切尔 C 戴利 《GQ》 最艰难的分类——在大流行期间分配呼吸机 N英语J医学 2020 05 21 382 21 1973 1975 10.1056 / NEJMp2005689 32202721 霍奇金淋巴瘤 J Z 口罩短缺与新型冠状病毒病(COVID-19)爆发:对公共卫生措施的思考 EClinicalMedicine 2020 04 21 100329 10.1016 / j.eclinm.2020.100329 32292898 s2589 - 5370 (20) 30073 - 0 PMC7129293 Boš。 加洛 C 华莱士 MB Costamagna G COVID-19大流行与个人防护装备短缺:口罩防护效果对比与科学的口罩重复使用方法 Gastrointest Endosc 2020 09 92 3. 519 523 10.1016 / j.gie.2020.04.048 32353457 s0016 - 5107 (20) 34247 - 4 PMC7184993 Husnayain 一个 Fuad 一个 电子商务 谷歌搜索趋势在传染病管理风险沟通中的应用——以台湾新冠肺炎疫情为例 传染病 2020 06 95 221 223 10.1016 / j.ijid.2020.03.021 32173572 s1201 - 9712 (20) 30140 - 5 PMC7270523 基肖尔 K 库马尔 Sondh 基于“增大化现实”技术 Aggarwal G Kathirvel 年代 预测疾病爆发的谷歌搜索趋势:来自印度的分析 健康资讯决议 2018 10 24 4 300 308 10.4258 / hir.2018.24.4.300 30443418 PMC6230529 艾尔沙德阿里 年代 本Arif T Maab H 卡特 Manazir 年代 喋喋不休 F Ochani RK COVID-19大流行期间全球对远程医疗的兴趣:谷歌趋势分析™ Cureus 2020 09 16 12 9 e10487 10.7759 / cureus.10487 33083187 PMC7567313 Y 年代 X H 中国公众在社交媒体上对COVID-19疫情的关注:观察性描述性研究 J医疗互联网服务 2020 05 04 22 5 e18825 10.2196/18825 32314976 v22i5e18825 PMC7199804 Colon-Gonzalez FJ 红外 Morbey 类风湿性关节炎 艾略特 AJ Pebody R 史密斯 通用电气 综合征监测系统评估的方法学框架:英格兰的案例研究 BMC公共卫生 2018 04 24 18 1 544 10.1186 / s12889 - 018 - 5422 - 9 29699520 10.1186 / s12889 - 018 - 5422 - 9 PMC5921418 H Z 通用电气 J 前5个月COVID-19/SARS-CoV-2的科研进展 细胞Mol医学 2020 06 24 12 6558 6570 10.1111 / jcmm.15364 32320516 PMC7264656 Polgreen 程ydF4y2Ba Y Pennock DM 纳尔逊 FD 利用互联网搜索进行流感监测 临床感染病 2008 12 01 47 11 1443 1448 10.1086/593098 18954267 rmjlmcd 谷歌流感趋势已死-谷歌趋势万岁? 伦敦大学学院初级保健和人口健康博客研究部 2018 1 23 2020-09-07 https://blogs.ucl.ac.uk/pcph-blog/2018/01/23/google-flu-trends-is-dead-long-live-google-trends/ Sousa-Pinto B 为由 一个 Czarlewski W 为由 JM 晶澳 Bousquet J 评估媒体报道对covid -19相关谷歌趋势数据的影响:信息流行病学研究 J医疗互联网服务 2020 08 10 22 8 e19611 10.2196/19611 32530816 v22i8e19611 PMC7423386 黄齐Dagher 年代 蹩脚的 G Hubiche T Ezzedine K Duong 助教 媒体报道和政府政策对与COVID-19皮肤症状相关的谷歌查询的影响:信息流行病学研究 JMIR公共卫生监测 2021 02 25 7 2 e25651 10.2196/25651 33513563 v7i2e25651 PMC7909455 太阳 P X C 太阳 W 庞ydF4y2Ba B 根据现有证据了解COVID-19 J Med病毒 2020 06 92 6 548 551 10.1002 / jmv.25722 32096567 PMC7228250 Wilder-Smith 一个 弗里德曼 隔离、隔离、社会距离和社区遏制:旧式公共卫生措施在新型冠状病毒(2019-nCoV)爆发中的关键作用 J旅游医疗 2020 03 13 27 2 taaa020 10.1093 / jtm / taaa020 32052841 5735321 PMC7107565 Effenberger Kronbichler 一个 胫骨 迈耶 G Tilg H Perco P COVID-19大流行与互联网搜索量的关联:谷歌趋势分析 传染病 2020 06 95 192 197 10.1016 / j.ijid.2020.04.033 32305520 s1201 - 9712 (20) 30249 - 6 PMC7162745 烹饪 基于“增大化现实”技术 公园 太阳 Y 太阳 H Lim JT Tam C 狄更斯 提单 缓解新加坡SARS-CoV-2早期传播的干预措施:一项模拟研究 柳叶刀感染病 2020 06 20. 6 678 688 10.1016 / s1473 - 3099 (20) 30162 - 6 32213332 s1473 - 3099 (20) 30162 - 6 PMC7158571 VJ 卫生 CJ Khong 的天气 阻断COVID-19传播:新加坡遏制措施的经验教训 J旅游医疗 2020 05 18 27 3. taaa039 10.1093 / jtm / taaa039 32167146 5804843 PMC7107552 箱型雪撬 R 卫生 CJ 年轻的 下巴 年代 程ydF4y2Ba 心肌梗死 克拉珀姆 烹饪 基于“增大化现实”技术 Maurer-Stroh 年代 (音) 英里每小时 Poh C 亮度 J Koh VTJ TM l RVTP D 利奥 Y 碱液 直流 VJM 新加坡2019新型冠状病毒爆发研究小组 新加坡三个COVID-19聚集性调查:对监测和应对措施的影响 《柳叶刀》 2020 03 28 395 10229 1039 1046 10.1016 / s0140 - 6736 (20) 30528 - 6 32192580 s0140 - 6736 (20) 30528 - 6 PMC7269710 毛雷尔 霍尔巴赫则从此 T 将在线搜索查询作为公共议程的指标 大众公共杂志 2016 07 11 93 3. 572 586 10.1177 / 1077699015610072 Kinnick KN 克鲁格曼 DM 卡梅隆 GT 同情疲劳:对社会问题的沟通和倦怠 大众公共杂志 2016 06 25 73 3. 687 707 10.1177 / 107769909607300314 年代 K 霍夫曼 JM 媒体报道对疾病传播和重要公共卫生措施的影响 《公共科学图书馆•综合》 2015 10 11 e0141423 10.1371 / journal.pone.0141423 26528909 玉米饼- d - 15 - 14409 PMC4631512 年代 阿夫扎尔 年代 伯纳尔 G 幸福 N 棕色(的) 年代 埃斯皮诺萨 B 杰克逊 J Judson-Garcia J Mamada R 莫雷诺 虚拟机 Nazari F Okuneye K 罗斯 毫升 罗德里格斯 C Medlock J 艾伯特 D Castillo-Chavez C 大众媒体与恐惧的传染:美国的埃博拉病例 《公共科学图书馆•综合》 2015 6 11 10 6 e0129179 10.1371 / journal.pone.0129179 26067433 玉米饼- d - 14 - 51584 PMC4465830 Husnayain 一个 Fuad 一个 Lazuardi l 印度尼西亚登革热谷歌趋势与国家监测报告之间的相关性 全球健康行动 2019 1 8 12 1 1552652 10.1080 / 16549716.2018.1552652 31154985 PMC6327938 Knipe D 埃文斯 H 马尔尚 一个 Gunnell D 约翰 一个 绘制与COVID-19相关的人群心理健康问题和保持身体距离的后果:谷歌趋势分析 惠康公开保留区 2020 5 82 10.12688 / wellcomeopenres.15870.2 32671230 PMC7331103 阿姆斯特朗 G Haregu T Arya V Vijayakumar l Sinyor Niederkrotenthaler T Spittal 在媒体报道名人自杀后,印度与自杀相关的互联网搜索查询:一个中断的时间序列分析 世界精神病学 2021 02 20. 1 143 144 10.1002 / wps.20832 33432740 PMC7801829 Troelstra SA Bosdriesz 德布尔 先生 Kunst AE 荷兰烟草控制政策对寻求戒烟信息的影响:谷歌趋势研究 《公共科学图书馆•综合》 2016 11 2 e0148489 10.1371 / journal.pone.0148489 26849567 玉米饼- d - 15 - 05635 PMC4746073 B Scammon 戴斯。莱纳姆: 在线健康信息搜索发生率:公共健康风险感知的有用代理 J医疗互联网服务 2013 06 17 15 6 e114 10.2196 / jmir.2401 23773974 v15i6e114 PMC3713924 X J X 利用社交媒体挖掘和分析中国新冠肺炎相关舆论 国际环境与公共卫生 2020 04 17 17 8 2788 10.3390 / ijerph17082788 32316647 ijerph17082788 PMC7215577 Husnayain 一个 垫片 E Fuad 一个 电子商务 了解韩国COVID-19疫情的社区风险认知:信息流行病学研究 J医疗互联网服务 2020 09 29 22 9 e19788 10.2196/19788 32931446 v22i9e19788 PMC7527166 lampo V Majumder 女士 Yom-Tov E 埃德尔斯坦 莫拉 年代 石漠 Y Rangaka MX McKendry 类风湿性关节炎 考克斯 IJ 使用在线搜索跟踪COVID-19 NPJ数字医院 2021 02 08 4 1 17 10.1038 / s41746 - 021 - 00384 - w 33558607 10.1038 / s41746 - 021 - 00384 - w PMC7870878
Baidu
map