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。
COVID-19大流行已持续一年多,已利用冠状病毒的记录和登记数据建立了检测大流行的模型。然而,许多来源包含关于COVID-19及其症状的不可靠健康信息,平台无法描述执行搜索的用户的特征。先前的研究评估了来自通用搜索引擎的症状搜索(谷歌/谷歌趋势)。目前尚不清楚公民和卫生保健专业人员(HCPs)使用的专用互联网数据库中关于嗅觉/味觉障碍和冠状病毒的建模日志数据如何加强疾病监测。我们的材料和方法提供了一种新的方法来分析基于网络的信息,以检测传染病的爆发。
本研究的目的是(1)评估公民和专业人员对嗅觉/味觉障碍和冠状病毒的搜索是否与COVID-19病例的流行病学数据相关,以及(2)测试我们的负二项回归模型(即,纳入病例计数是否可以改善模型)。
我们收集了2019年12月30日至2020年11月30日(49周)期间与COVID-19(嗅觉/味觉障碍,冠状病毒)相关的每周搜索日志数据。在芬兰使用了两个主要的医疗互联网数据库:健康图书馆(HL),一个面向公民的免费门户网站,以及医生数据库(PD),一个广泛用于卫生保健中心的数据库。数据库中的日志数据与芬兰国家传染病登记册中报告的COVID-19病例数量的登记数据相结合。在绘制数据库日志时,我们使用负二项回归建模来评估案例数是否可以解释一些搜索动态。
我们发现,在2019年12月至2020年3月出现第一波COVID-19病例之前,HL(0至744,113例)和PD(4至5375例)的冠状病毒搜索量大幅增加。从2019年12月底到2020年3月底,HL嗅觉障碍的搜索量翻了一番(2148到4195),从5月中旬到11月底(0到1980),HL味觉障碍的搜索量增加了一倍。病例数与嗅觉障碍显著相关(
新的信息流行病学方法可以用于分析数据库日志。对基于web的日志数据进行建模只是偶尔会改善模型。然而,公民和专业人员的搜索行为可以作为传染病监测的补充信息来源。将统计模型应用于医学专用数据库的日志数据,有待进一步研究。
COVID-19是一种由新型冠状病毒(SARS-CoV-2)引起的传染性呼吸道疾病。自2020年初以来,它一直在全球流行[
信息流行病学已被公共卫生组织和世界卫生组织(世卫组织)公认为大流行期间一个重要的新兴科学实践领域[
在芬兰,健康图书馆(HL)是迄今为止在互联网上使用最频繁的一般公共卫生门户网站。芬兰530万人口每年打开的文章超过5000万篇。这项服务是免费的,没有广告,由芬兰医学学会Duodecim提供,这是一个有140年历史的科学组织,有超过24,000名医生成员(>90%的芬兰医生)。医生数据库(PD)是一个在线资源,为HCPs提供医疗信息。HL中的文章是由针对HCPs的PD的作者所撰写和更新的。建议和证据摘要发表在PD上,并在面向公众的HL文章中引用。大多数HL文章是通过谷歌搜索被公众访问的,其中超过80%使用移动设备。其余用户(约20%)则直接透过网址[
以往的研究[
我们收集了芬兰HL和PD(2019年12月30日至2020年11月30日)的每周冠状病毒日志数据[
首先,我们绘制了过去10年(2010-2020年)在两个数据库(HL和PD)中每周对所有3个指标(嗅觉障碍、味觉障碍和冠状病毒)的搜索图,以查看模式中是否存在任何视觉趋势。其次,我们评估了2019年12月30日和2020年11月30日(49周)期间HL和PD中3个指标以及COVID-19病例的每周搜索量,以比较它们是否在同一时间出现(峰值)。
第三,我们使用负二项式回归模型对时间(周)和每周COVID-19病例解释的搜索数量进行时间序列分析。对于每个模型,我们确定病例数是否是一个显著的预测因子。我们假设在
在绘制过去10年(2010-2020年)HL和PD中嗅觉障碍、味觉障碍和冠状病毒搜索图时,我们发现视觉检查不太可能出现时间延迟,由于COVID-19波动而无法评估季节性,并且在2020年之前的数据中没有任何指示性数据(
健康图书馆和医生数据库每周搜索2010-2020年芬兰的嗅觉障碍、味觉障碍和冠状病毒。
2019年12月30日至2020年11月30日期间,芬兰的COVID-19病例和健康图书馆搜索嗅觉障碍、味觉障碍和新型冠状病毒。
2019年12月30日至2020年11月30日期间,芬兰的COVID-19病例和医生数据库搜索嗅觉障碍、味觉障碍和冠状病毒。
2019年12月30日至2020年11月30日期间,芬兰在健康图书馆和医生数据库中搜索嗅觉障碍、味觉障碍、冠状病毒以及COVID-19病例的最大和最小月数和周数,以及总搜索次数。
数据库 | 最大搜索或案例数(峰值) | 最小搜索或案件数量 | 搜索总数或案例数(累计) | |||||
|
月(周) | 最大搜索周 | 月(周) | 最少一周搜索量 |
|
|||
|
|
|
|
|
|
|||
|
搜索嗅觉障碍 | 3月(13) | 4195 | 6月(26) | 1468 | 117477年 | ||
|
搜索味觉障碍 | 11月(48) | 2262 | 12月至5月(1-21日) | 0 | 37114年 | ||
|
搜索新型冠状病毒 | 3月(11) | 744113年 | 12月至2月(1-6日) | 0 | 4395898年 | ||
|
|
|
|
|||||
|
搜索嗅觉障碍 | 1 (4) | 84 | 3月(12) | 13 | 1706 | ||
|
搜索味觉障碍 | 10月(43) | 65 | 12月(1) | 7 | 1235 | ||
|
冠状病毒搜索 | 3月(13) | 5375 | 12月(1) | 4 | 39779年 | ||
COVID-19情况下 | 11月(48) | 3134 | 12月至2月(1-4日) | 0 | 28385年 |
在时间序列分析中,HL的嗅觉障碍搜索与病例数显著相关(
2019年12月30日至2020年11月30日期间,芬兰健康图书馆对嗅觉障碍(A)、味觉障碍(B)和新型冠状病毒(C)的每周搜索(灰线)和拟合趋势(绿线)。拟合趋势考虑了时间和COVID-19病例。
2019年12月30日至2020年11月30日期间,医生数据库对芬兰嗅觉障碍(A)、味觉障碍(B)和冠状病毒(C)的每周搜索(灰线)和拟合趋势(绿线)。拟合趋势考虑了时间和COVID-19病例。
健康图书馆和医生数据库搜索嗅觉障碍、味觉障碍和符合COVID-19病例趋势的冠状病毒,包括
数据库 |
|
轻轨交通方差分析, |
另类投资会议 | 模型的改进 | |
|
|
|
|
|
|
|
搜索嗅觉障碍 | <措施 | <措施 | 由752.71降至725.58(减) | 改进的 |
|
搜索味觉障碍 | <措施 | <措施 | 从10,464.04降至5524.93(减) | 改进的 |
|
搜索新型冠状病毒 | <措施 | >。 | 从1141.26到5,642,226.89(增加) | 没有改善 |
|
|
|
|
|
|
|
搜索嗅觉障碍 | .76 | .77点 | 从380.26到382.17(增加) | 没有改善 |
|
搜索味觉障碍 | >。 | 点 | 从358.68到360.46(增加) | 没有改善 |
|
冠状病毒搜索 | <措施 | 措施 | 由754.74下调至745.94(下调) | 改进的 |
一个LRT:似然比检验。
b方差分析:方差分析。
cAIC:赤池信息标准。
在我们的研究中,我们能够描述芬兰2020年COVID-19流行期间公民和hcp的搜索行为。我们发现,在第一波病例中,对冠状病毒的信息寻求先于第一波病例,但在第二波病例中没有。对嗅觉和味觉障碍的搜索在公民的搜索中显示了一个清晰的模式,而HCPs的搜索在整个月里仍然不均衡。在拟合病例数模型以及分别绘制公民嗅觉和味觉障碍搜索和专业人员冠状病毒搜索时,发现了一个明显的模型改进。
对于嗅觉障碍,当我们绘制HL搜索图并拟合一个考虑到芬兰时间和COVID-19病例数的模型时,病例数可以解释搜索的一些动态。这意味着从统计的角度来看,该模型已经有所改进。然而,视觉模式表现不佳。对于味觉障碍,当我们绘制HL搜索图并拟合一个考虑时间和COVID-19病例的模型时,病例数可以再次解释搜索的动态。这表明,与只包括时间的模型相比,当将COVID-19发病率添加到模型中时,情况有所改善。然而,这个模型在视觉上的表现也不是很好,在年底显示出偏差。当在HL中绘制新的冠状病毒搜索图并拟合一个考虑时间和COVID-19病例的模型时,病例数无法解释搜索的动态。这意味着纳入COVID-19病例并不能在统计上改善模型。在这个模型中,新的冠状病毒搜索和COVID-19病例似乎是一致的,这表明随着病例的增加,更多的用户从互联网上阅读冠状病毒和相关症状。然而,这也可能意味着,对于嗅觉和味觉障碍,更多的人因为COVID-19而出现这些症状,因此可以从互联网上查找这些症状。 It is not possible to determine this interpretation from the data, but as the searches for coronavirus follow the same pattern, the plausible explanation is that citizens seek web-based information on new coronavirus and its associated symptoms (smell and taste disorders).
在绘制PD搜索冠状病毒并拟合一个考虑芬兰时间和COVID-19病例数的模型时,病例数可以解释搜索的一些动态。结果表明,该模型得到了改进。然而,只有当病例增加,专业人员搜索更多信息时,情况才会有所改善。对于嗅觉和味觉障碍,模型中没有改善,可能是因为它们被简单地视为COVID-19的症状,因此不值得作为个别障碍进行调查。在对嗅觉和味觉障碍的PD搜索中,2017-2019年期间出现了暂时的增长,这是由平台上日志的变化引起的。然而,这并不影响我们的结果。我们的研究结果表明,模拟专业人员在COVID-19上的寻求行为并不像我们假设的那样好。
之前的研究评估了谷歌和谷歌趋势中与COVID-19相关的冠状病毒和嗅觉/味觉障碍的搜索[
我们研究的优势在于代表性(HCPs使用PD)和及时性(实时互联网数据库),以及可靠的医疗互联网来源(公民和HCPs使用循证医学数据库)。本研究存在一定的局限性。HL和PD中的冠状病毒搜索在疫情爆发前开始增加,并在第一波期间继续上升,然后下降。然而,在第二波浪潮中并没有看到这种增加的模式。一个可能的原因可能是,第二波病毒出现在第一波病毒之后不久,从而使需要较少病毒信息的hcp更熟悉这种疾病。此外,关于COVID-19的每日新闻和媒体出版物可能对公民和卫生服务提供者在互联网和网络来源上寻求信息的行为产生了巨大影响。最初对新疾病的好奇导致了搜索模式的增加。然而,尽管在大流行期间确诊病例仍然很高,但公民和HCPs可能后来对铺天盖地的COVID-19报道感到厌倦,或者他们转向了其他来源,导致搜索量迅速下降。COVID-19患者可能无症状或症状前症状[
我们的研究直观地展示了在2019冠状病毒病疫情爆发之初,公民和卫生服务提供者开始从网络来源寻求健康信息的数量和速度,以及这种搜索在2020年芬兰大流行期间是如何进行的。对测井数据的建模只是在统计上偶尔改善了模型。然而,公民和专业人员的搜索行为可以作为传染病监测的额外信息来源。需要进一步研究应用统计模型来记录和登记专用可靠医疗来源的数据,以及评估互联网上嗅觉和味觉障碍搜索的预测价值。新颖的信息流行病学方法可以了解公民和专业人员从基于网络的数据库中获取COVID-19信息的行为。与公共卫生医学和卫生信息学各个领域的专家合作,结果可用于决策、规划和研究。
赤池信息标准
方差分析
循证医学
卫生保健专业人员
健康图书馆
似然比检验
医生的数据库
作者特别感谢两位参与这项研究的人:Timothée Dub博士,他对统计分析做出了贡献,Kimi Ylilammi先生,他参与了数据收集。本研究未获资助。
MM、SP、CH、PM、VJ、HP、MK和OH设计了研究概念。MM、SP、OH进行文献检索。MM、SP、CH、PM、VJ、OH收集研究数据。MM、SP、CH、VJ进行数据分析和解释。MM, SP, CH, PM, VJ, HP, MK, OH审阅了最终版本的手稿。MM和SP起草了手稿。通讯作者证明所列作者均符合作者身份标准,且没有遗漏其他符合标准的作者。
MK自20世纪90年代末以来一直担任芬兰医学学会Duodecim的多个理事职位。自2009年起,OH在芬兰医学会Duodecim和Duodecim医学出版物有限公司担任多个受托人职务。其他作者没有利益冲突。