在2001年(研究期开始)，雅虎!是美国最受欢迎的搜索引擎，市场份额为49%;然而，在2003年(研究期结束)，谷歌超过了雅虎!作为美国领先的搜索引擎[ 22］．雅虎仍然是一个广泛使用的搜索引擎;超过4500万美国网民进行了雅虎!2004年2月的查册结果[ 14］．

雅虎维护着一个名为Yahoo!人气指数[ 23］．该索引提供了单个搜索词的搜索活动评分，这些词或字符是用户输入Yahoo!搜索框。每点一个雅虎!搜索雅虎的用户的热议指数为0.001%。在感兴趣的时间段内(日、周或月)。例如，如果在2001年1月1日，100万用户中有250人搜索“乳腺癌”，那么Yahoo!这一天“乳腺癌”的搜索活动得分为25(250/ 100万× 100000)。一个搜索词要注册一个搜索活动得分，它必须在计算得分的时间段内生成至少50次搜索。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”或内容索引员，他们手动将网页分为2000多个内容类别，如“电影”、“鞋类”、“占星学”或“癌症或肿瘤”。Yahoo !Buzz Index将搜索词与用户在进行搜索后“点击”或激活的第一个网页链接归入同一内容类别。例如，如果用户输入搜索词“结肠”，然后点击一个癌症网站，“结肠”将被归类为“癌症或肿瘤”搜索词。然而，如果用户点击一个语法网站，“冒号”在这种情况下将被归类为“教育”搜索词。当用户未单击网页链接或当用户单击未分类的网页链接时，Yahoo!Buzz Index使用各种算法对搜索词进行分类，这些算法分析了用户最近查看的内容。

为了确定与特定癌症相关的常用互联网搜索词，我们回顾了雅虎网站上归类为“癌症或肿瘤”类别的搜索词。从2001年1月到2003年12月，每个月至少产生50次搜索。该搜索策略确定了76个独特的搜索词，其中23个包含在分析中( 表1)．剩下的53个术语被丢弃，因为它们与特定的癌症无关，或者包含非英语单词。被抛弃的术语包括药物名称或治疗方式，如“化疗”(n = 19);组织或事件的名称，如“为治愈而赛跑”(n = 16);一般癌症或解剖学术语，如“肿瘤学”(n = 11);名人的名字，如“吉尔达·拉德纳”(n = 5);以及致癌物“DES”(n = 1)。此外，“白血病”的西班牙语单词“leukemia”(n = 1)也被抛弃了，因为雅虎!“热词指数”并不持续追踪外文词汇，因为它排除了包含非英语字符的搜索词。例如，雅虎!Buzz Index不会捕获带有重音标记的搜索词，例如“cáncer colorectal”(西班牙语“结直肠癌”的意思)。

研究期间23种癌症的估计发病率和死亡率来自美国癌症协会发布的年度负担报告[ 24- 26］．2001年、2002年或2003年至少有7500个新发病例的所有癌症都被纳入分析(n = 23)，无论它们是否与雅虎有关。搜索活动。

与特定癌症类型相关的新闻报道是使用LexisNexis的“美国新闻”数据库确定的，该数据库包括400多家国家和地区报纸，如《华盛顿邮报》 华尔街日报和 巴尔的摩太阳报,以及各种新闻专线服务，如美联社和合众国际社。从2001年1月1日到2003年12月31日发表的与特定癌症类型相关的新闻报道是通过定位Yahoo!在标题中搜索活动术语(如“乳腺癌”)。在癌症位于食道和口腔的情况下，没有雅虎!搜索活动术语相关，“食管癌”和“口腔癌”被用作头条搜索词。

描述性统计计算的雅虎!搜索活动得分，估计发病率，估计道德和新闻报道量与研究中包含的癌症相关。使用斯皮尔曼等级相关性来建立这些变量在整个研究期间的一致性，并汇总数据。接下来，雅虎!搜索活动和潜在的兴趣相关测试使用斯皮尔曼秩相关。

雅虎与雅虎的关系搜索活动和新闻报道进一步分析了每日雅虎最高的五种癌症。搜索活动。将每天发布的新闻报道数转化为四个层次的分类变量(0条新闻报道、1-2条新闻报道、3-4条新闻报道和5条或5条以上新闻报道)，并采用单向方差分析(ANOVA)比较日均雅虎!搜索活动的得分随着新闻报道的增加而增加。为了检测可能的周期性效应，Yahoo!对搜索活动数据进行目视检查。研究人员注意到三种可能的周期性效应:工作日(周一-周五)与周末相比增加;与其他月份相比，全国癌症宣传月的发病率有所上升;夏季(6 - 8月)与其他月份相比有所下降。 These possible effects were tested using t测试。最后，雅虎!与几种癌症相关的搜索活动从一天到第二天急剧增加100%或更多。对于这些癌症，我们确定了2003年的三个高峰。搜索活动，并调查相应的新闻事件。

我们通过确定每对变量之间的斯皮尔曼秩相关来测试变量之间的关系。所有变量对( 表2)．

雅虎与雅虎的关系搜索活动及其统计上最显著的相关性——新闻报道——进一步分析了每日雅虎最高的五种癌症。搜索活动(乳腺、肺、白血病、结肠直肠和前列腺)。对于这些癌症，每天发表的新闻报道数量被转换成一个有四个等级的分类变量。平均每天雅虎!使用方差分析对每个水平的搜索活动进行比较，所有测试均具有统计学意义( P≤措施)。对于所有五种癌症，随着新闻报道的增加，平均每日搜索活动得分都更高( 表3)．

研究人员测试了三种可能的周期性效应:工作日(周一-周五)比周末增加;与其他月份相比，全国癌症宣传月的发病率有所上升;夏季(6 - 8月)与其他月份相比有所下降。为了测试这些潜在的影响，我们使用了五种日平均值最高的癌症。搜索活动评分(乳房、肺、白血病、结肠直肠和前列腺)( 表4)．对所有五种癌症的测试，都意味着每天雅虎!周一至周五的搜索活动得分和日均新闻报道均高于周六至周日( P<措施)。更高的日均雅虎!发现乳腺癌的搜索活动评分( P< .001)，肺癌( P< .001)和结直肠癌( P< .001)。有关乳癌的平均每日新闻报道数目( P< .001)、结直肠癌( P< .001)和前列腺癌( P= .007)在各自的国家宣传月上升。Mean daily Yahoo!乳癌搜寻活动评分( P< .001)，肺癌( P< .001)，以及白血病( P< .001)在夏季月份低于一年中的其他时间。而在夏季，关于乳腺癌的平均每日新闻报道也有所下降( P< .001)，前列腺癌的平均每日新闻报道上升( P= . 01)。

有几次，雅虎!与乳腺癌、结肠癌和前列腺癌相关的搜索活动得分从一天到第二天急剧增加100%或更多。我们调查了与2003年最高的三个峰值相对应的新闻事件。搜索这些癌症的活动。这些“乳腺癌”和“结肠癌”搜索活动的高峰都发生在各自的国家宣传月期间，似乎与宣传宣传月的新闻报道有关。“前列腺癌”搜索活动的最高峰(22.34)出现在7月17日，当时新闻报道了一项研究[ 27]研究性行为与前列腺癌风险之间的关系( 图1)．这些新闻报道一般都集中在手淫可能的保护作用上。这项研究没有被美国新闻媒体广泛报道，但它在澳大利亚产生了大量的新闻报道，并通过聊天室、留言板和医疗新闻网页过滤到互联网上。虽然“自慰”的搜索活跃度没有相应的激增，但“masterbation”的搜索活跃度得分却增加了117%(从7月16日的61.88上升到7月17日的133.08)，这是一个常见的拼写错误。“前列腺癌”搜索量的第二高峰出现在10月21日，当时奥斯卡获奖演员罗伯特·德尼罗被诊断患有前列腺癌的消息传出后。这个故事被美国新闻媒体广泛报道，同一天“罗伯特·德尼罗”的搜索活动增加了277%(从10月20日的15.87次增加到10月21日的59.90次)。“前列腺癌”搜索活动的第三个高峰(12.41)出现在12月29日，当时一项研究将肥胖与前列腺癌风险增加联系起来[ 28被几家美国新闻媒体报道。“肥胖”、“超重”或“减肥”等关键词的搜索量没有相应的增加。

图1

2003年美国前列腺癌雅虎!搜索活动(Yahoo!搜索活动得分等于0.001%的人搜索雅虎!在任何一天)