癌症互联网搜索活动的主要搜索引擎,美国2001 - 2003

介绍

卫生保健提供者(1- - - - - -3和他们的病人4- - - - - -7)定期在网上搜索健康信息。互联网用户普遍开始寻找健康信息使用一个搜索引擎(8- - - - - -12),一个网络工具,搜索网页包含由用户指定的术语(13]。2004年2月,Google和Yahoo !是最受欢迎的搜索引擎在美国,分别有38%和32%的市场份额(14]。

到目前为止,很少有研究互联网搜索活动有关健康的话题已经出版。大多数分析健康和非健康的比例在不同搜索引擎上搜索,发现健康搜索构成了总额的一小部分搜索(15- - - - - -18]。这一发现并不令人惊讶很少考虑到互联网用户搜索健康信息与他们寻找新闻报道相比,产品信息,和其他主题19]。在任何情况下,总额的一小部分互联网搜索转化为成千上万的健康搜索每一天16,估计有9500万美国人使用互联网搜索健康信息(至少一次20.]。

癌症似乎健康一些互联网用户感兴趣的话题。Eysenbach和科勒16)发现,搜索癌症信息占5% MetaCrawler相关搜索的搜索引擎。Phillipov和菲利普斯18)发现“皮肤癌”是一个只有17岁的健康相关搜索词最受欢迎300互联网关键词被Wordtracker、私人研究公司。巴德和Theofanos21]研究癌症搜索使用的搜索引擎进行AskJeeves三个月期间,发现最常搜索的癌症是消化/胃肠道肠,乳房,和皮肤。本研究还将选定的癌症的发病率与它们相关的搜索活动。这种关系没有统计学上测试时,作者观察到一些罕见癌症构成更高比例的总搜索量比他们总癌症发病率的比例。此外,Bader和Theofanos以及Phillipov和菲利普斯指出,媒体报道似乎促使互联网搜索健康话题,但是他们并没有系统地调查或测试的关系。

研究报告建立在这之前的工作通过分析癌症相关搜索进行了从2001年到2003年在美国使用搜索引擎雅虎具体地说,我们研究三个雅虎的潜在关联癌症搜索activity-estimated癌症发病率,估计癌症死亡率和癌症新闻报道的体积。癌症折磨更多的人声称,更多的生命,和生成更多的新闻报道将与互联网搜索活动比其他癌症相关,相关性和宣传所产生的利息。此外,我们评估了雅虎的周期性癌症的搜索活动和检查雅虎急剧增加搜索活动相关的特定的癌症类型。

方法

这种分析包括三种类型的2001 - 2003美国数据:雅虎癌症的搜索活动,负担(估计发病率和死亡率)和癌症的新闻报道。综述了研究协议的机构审查委员会国家慢性疾病预防和健康促进中心和被指定为“研究不涉及人类受试者。”

雅虎癌症的搜索活动

在2001年(研究期间的开始),雅虎是我们最受欢迎的搜索引擎,以49%的市场份额;然而,在2003年(研究结束的时期),谷歌超越雅虎作为美国主要的搜索引擎(22]。雅虎仍然是一个广泛使用的搜索引擎;超过4500万的美国互联网用户进行了雅虎搜索2004年2月(14]。

雅虎维护一个数据库的搜索活动叫做雅虎热议指数(23]。这个指数提供了一个搜索活动评分对个人而言,文字或字符,用户类型到雅虎搜索框。每个点的Yahoo !热议指数得分= 0.001%的用户搜索Yahoo !在感兴趣的时间段(日、周或月)。例如,如果250总共100万用户搜索“乳腺癌”1月1日,2001年,雅虎!“乳腺癌”的搜索活动得分在这一天将是25(250/1万×100000)。注册一个搜索词搜索活动分数,它必须生成至少50搜索时间期间的分数计算。雅虎 search activity generated by search terms can be segmented by country, US state, or selected US cities. This study used daily US Yahoo! search activity data from January 1, 2001 (the earliest date for which Yahoo! search activity data are available) to December 31, 2003. We limited our analysis to Yahoo! searches because at the time of this study no other Internet search engine offered a dataset like the Yahoo! Buzz Index, which provides search activity scores adjusted for the size of the population searching for online information.

雅虎雇佣专业的“冲浪者”或内容索引器手动分类网页到一个2000多的内容类别,如“电影”“占星术”,或“鞋类、癌症或肿瘤。“雅虎!热议指数分类搜索词在同一内容类别作为第一个网页链接,用户“点击”或激活后进行搜索。例如,如果一个用户输入搜索词“结肠”,然后点击一个癌症网站,“结肠”将被归类为“癌症或肿瘤”的搜索词。如果用户点击一个语法网站,然而,“结肠”实例会被分类为一个搜索词“教育”。当用户不点击一个网页链接或者当用户点击一个网页链接,没有分类,Yahoo !热议指数分类搜索词使用各种算法,分析最近的内容被用户。

识别常用的互联网搜索词相关的特定的癌症,我们回顾了搜索词分类“癌症或肿瘤”类别的Yahoo !热议指数,生成至少50搜索在任何月从2001年1月至2003年12月。这个搜索策略确定76独特的搜索词,其中23例中分析(表1)。剩下的53项被丢弃,因为他们没有与一个特定的癌症或包含非英语单词。丢弃的条款包括药物名称或治疗方法,如“化疗”(n = 19);组织或事件的名称,如“治愈”比赛(n = 16);一般癌症或解剖学术语,如“肿瘤学”(n = 11);明星的名字,比如“吉尔达孤度”(n = 5);和致癌物质“DES”(n = 1)。同时,“白血球过多症”(n = 1),西班牙词“白血病”,是丢弃,因为雅虎热议指数并不持续追踪外国文字,因为它不包含非英语字符的搜索词。例如,雅虎热议指数不会捕捉一个搜索词重音符号,如“癌症大肠癌”“直肠癌”(西班牙语)。

癌症负担

估计23癌症的发病率和死亡率在研究期间都获得年度负担报告发表的美国癌症协会(24- - - - - -26]。所有癌症至少有7500例新病例,2001年,2002年或2003年被包含在分析(n = 23)是否与雅虎搜索活动。

癌症的新闻报道

新闻报道与特定的癌症类型被确定使用LexisNexis“美国新闻”数据库,其中包括400多个国家和地区报纸,等华尔街日报》和巴尔的摩太阳报,和各种各样的新闻专线服务,如美联社和UPI(美国合众国际新闻社)。新闻报道发表于2001年1月1日,12月31日,2003年,与特定的癌症类型被发现通过定位报告确定了雅虎搜索活动条款(如“乳腺癌”)在他们的头条新闻。在癌症的情况下位于食道和口腔,雅虎的搜索活动相关的条款,条款“食道癌”和“口腔癌”作为标题搜索条件。

分析

描述性统计计算的Yahoo !搜索活动得分,估计发病率,估计道德,与癌症相关的新闻报道数量包括在这项研究。斯皮尔曼秩相关性被用来建立这些变量在研究期间的一致性和数据聚合。接下来,雅虎之间的关系搜索活动和潜在的利益关联使用斯皮尔曼秩相关性进行了测试。

雅虎的关系搜索活动和新闻报道进一步分析五个癌症的每日最高的Yahoo !搜索活动。每天发表的新闻报道数量变成了有四个层次的分类变量(0新闻报道,新闻报道1 - 2,3 - 4新闻报道,和5或更多的新闻报道),和单向方差分析(方差分析)是用来比较的意思是每天雅虎搜索活动分数增加新闻报道的水平。检测可能的周期性影响,Yahoo !搜索活动数据视觉检查。三种可能的周期性影响是指出:增加在工作日(Monday-Friday)与周末;增加在国家癌症意识与其他个月;和下降在夏季(6)与其他几个月。 These possible effects were tested usingt测试。最后,雅虎与一些癌症的搜索活动联系起来,大幅增加100%或更多的一天。对于这些癌症,我们确定了三个2003年最高峰Yahoo !搜索活动和研究相应的新闻事件。

结果

我们发现互联网搜索条件生成Yahoo !搜索与21 23的癌症相关的活动包括在研究(表1)。其中,19个癌症相关只有一个雅虎每个搜索词。剩下的2癌症与两个搜索条件:有关癌症的大脑(“脑瘤”和“脑癌”)和多发性骨髓瘤(“多发性骨髓瘤”和“骨髓瘤”)。在这些情况下,每日Yahoo !搜索活动分数与每一项总结到这些癌症的总分。

最高的平均每日Yahoo !搜索活动分数由乳腺癌(意味着= 14.37),肺癌(意味着= 9.08),和白血病(平均= 7.15)。美国2001 - 2003年发病率最高的癌症乳腺癌(n = 611300)、前列腺(n = 608000)、肺(n = 510800)。对癌症死亡率、肺(n = 469500),结肠直肠(n = 170400)、和乳房(n = 120800)癌症死亡的主要原因。乳腺癌(n = 5840)、白血病(n = 2143)、和前列腺癌(n = 1822)与大多数美国新闻报道从2001年到2003年。某些癌症,如白血病、卵巢癌和睾丸,似乎比他们的负担将与更多的互联网搜索活动相关规定。

癌症是由平均每日排名Yahoo !搜索活动得分,估计发病率,死亡率,估计和相关新闻报道的数量每年在研究期间(2001 - 2003)。探索的一致性等级在每个变量在研究期间,斯皮尔曼秩相关性测定每一对年来(2001 - 2002年,2002年和2003年,2001年和2003年)。我们发现统计上显著的相关性(P<措施)全年对之间测试(数据没有显示)。因为与这些变量相关的排名是高度一致的从2001年到2003年,整个研究期间我们聚合数据。

关联的Yahoo !癌症的搜索活动

我们测试了变量之间的关系通过确定每一对之间的斯皮尔曼等级相关。所有变量之间统计上显著的相关性被发现对(表2)。

雅虎的关系搜索活动和其最显著correlate-news报道进一步分析五个癌症的每日最高的雅虎搜索活动(乳腺癌、肺癌、白血病、结肠癌和前列腺癌)。对于这些癌症,每天发表的新闻报道数量与四层转换为分类变量。平均每天雅虎搜索活动在每个层次使用方差分析相比,和所有测试都具有统计学意义(P≤措施)。所有五个癌症,平均每天搜索活动分数每增加新闻报道水平(高表3)。

周期性的Yahoo !癌症搜索活动和新闻报道

三种可能的周期性效果测试:在工作日期间上升(Monday-Friday)与周末;增加在国家癌症意识与其他个月;和下降在夏季(6)与其他几个月。为了测试这些潜在的效果,我们使用最高的五个癌症每日意味着雅虎!搜索活动分数(乳腺癌、肺癌、白血病、结肠癌和前列腺癌)(表4)。所有五个癌症的测试,都意味着每天雅虎!搜索活动分数和意思是每日新闻报道比Saturday-Sunday Monday-Friday更高(P<措施)。高的意思是每天雅虎搜索活动分数发现乳腺癌(P<措施),肺癌(P<措施)和结直肠癌(P<措施)在各自的民族意识。意思是每日新闻报道的数量与乳腺癌相关的(P<措施),结肠直肠癌(P<措施)和前列腺癌(P= .007)玫瑰在各自的民族意识。意思是每天雅虎搜索活动分数乳腺癌(P<措施),肺癌(P<措施)和白血病(P<措施)夏季低于在今年剩下的时间。虽然平均每日新闻报道关于乳腺癌也减少了在夏季(P<措施),意思是每日新闻报道关于前列腺癌玫瑰(P= . 01)。

山峰在雅虎癌症搜索活动和新闻报道

在一些场合,雅虎搜索活动与乳腺癌相关的成绩,结肠癌和前列腺癌的大幅增长100%或更多的一天。我们调查新闻事件,对应三个峰值最高的2003年雅虎这些癌症的搜索活动。这些山峰“乳腺癌”和“结肠癌”搜索活动都发生在各自的民族意识月,似乎是相关新闻报道促进认知月。“前列腺癌”的搜索活动的最高峰(22.34)发生在7月17日在新闻报道的一项研究[27]探索之间的关系性行为和前列腺癌风险(图1)。这些新闻报道通常集中在可能的保护性自慰的好处。本研究未涉及广泛的美国新闻媒体,但它生成的大量新闻报道在澳大利亚和过滤在互联网上通过聊天室、留言板、医疗新闻网页。而没有相应的“自慰”的搜索活动激增,有117%的提高在搜索活动得分(7月16日从61.88到133.08,7月17日)为“masterbation”,一种常见的拼写错误。第二个“前列腺癌”的搜索活动的最高峰值(14.59)发生在10月21日新闻传出后,Academy-Award-winning演员罗伯特·德尼罗被诊断出患有前列腺癌。这个故事被美国新闻媒体,广泛覆盖和罗伯特·德尼罗”增加了277%的搜索活动被观察到在同一日期(从10月20日的15.87到59.90在10月21日)。第三高峰“前列腺癌”的搜索活动(12.41)发生在12月29日,当一项研究将肥胖与前列腺癌发病风险增加(28)是由一些美国新闻媒体。没有相应增加搜索条件“肥胖”“超重的原因,”或“减肥”。

‎ 把这个图

讨论

这项研究表明,媒体扮演了一个重要角色在促使网上寻找癌症信息。新闻报道与雅虎显著相关搜索活动(P<措施)。同时,雅虎搜索活动被发现增加新闻报道的增加,和急剧上升搜索活动从一天到下一个似乎与增加的相关新闻报道。这项研究还表明,互联网可以迅速传播健康消息:最高的峰值2003美元”前列腺癌“雅虎!搜索活动似乎生成主要由新闻报道在澳大利亚,在互联网上迅速过滤通过聊天室,消息板,和医疗新闻网页。因此,它可能是一个新闻故事并不一定由美国新闻媒体为了产生美国互联网搜索活动。

新闻报道数量也与癌症发病率估计(P= .015)和死亡率(P<措施)。这很有趣,因为过去的研究[29日- - - - - -33)在这个问题上并没有产生一致的结果,与大多数(30.- - - - - -32)发现没有疾病负担和新闻报道体积之间的关系。然而,没有过去的研究专注于癌症,没有我们的方法用于识别新闻报道。虽然具体的新闻报道癌症一般匹配他们的负担,我们指出,某些癌症,如白血病、卵巢癌和睾丸癌,与更多的互联网搜索活动比他们的负担。巴德和Theofanos类似的观察报告21],他指出,这种差异可能导致更多的搜索被要求找到网上的信息不太常见的癌症。癌症特异性之间的高相关新闻报道和相关的在线搜索活动在目前的研究表明,另一种解释:某些癌症了不成比例的新闻报道相对于他们的发病率和死亡率,和在线搜索活动,经常受到新闻报道,反映了这种不平衡。

我们发现一些周期性的影响在美国雅虎癌症搜索活动,往往是高在工作日期间,国家癌症意识但在夏季降低。应该注意的是,这些观察不是工件的大小网民期间因为雅虎!搜索活动得分是基于百分比的数字,总用户。这些结果的一个解释是,癌症的体积新闻报道倾向于遵循这些趋势。也有可能用户倾向于网上寻找癌症信息从学校或工作设置。因此,雅虎癌症的搜索活动预计将下降在周末当人们在家和在夏天的这几个月里许多学生离开学校时,许多工人去度假。

尽管雅虎是一家美国互联网搜索引擎,在多大程度上这项研究的结果可以推广到其他搜索引擎是未知的。同时,我们无法辨别雅虎的动机用户寻找癌症信息。例如,新闻报道乳腺癌的药物可能与“乳腺癌”的搜索活动的增加。而雅虎热议指数会检测这个崛起,它不能告诉有多少搜索乳腺癌患者或家人,也不知道有多少人购买股票感兴趣的投资者在公司发展药物。

互联网搜索活动提供了一个创新的被动监测卫生信息寻求行为的工具。虽然我们的工作集中在癌症、互联网搜索活动可能是有用的在衡量健康信息寻求与其他疾病有关。例如,互联网搜索相关症状或条件的体积可以用来预测疾病暴发(如流感)或评估心理健康灾难。全球电子健康创新中心的研究人员开始尝试这种类型的分析(34,35]。Yahoo !热议指数在互联网搜索数据集是独特的,因为它提供了搜索活动分数调整人口寻找网上信息的大小,而每年稳步增长(19]。也许在未来,其他互联网搜索引擎将提供数据库类似Yahoo !热议指数,研究可以进行使用搜索引擎的结合。