基于搜索引擎数据的流感监测累积查询方法gydF4y2Ba

简介gydF4y2Ba

综合征监测可在疫情早期提醒公共卫生保健提供者，使他们能够减少疫情造成的发病率和死亡率[gydF4y2Ba1gydF4y2Ba-gydF4y2Ba5gydF4y2Ba］．综合征监测的定义是实时或接近实时收集、分析、解释和传播与健康相关的数据，以便能够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对症状进行监测，以便为有效应对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，报告和病例确认方面的时间延误可能会妨碍及早发现社区流感病例暴发或增加。因此，研究人员一直在研究用于检测疫情的替代数据来源。例如，非处方药物销售和学校缺勤数据已被用于更早地发现疾病爆发[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暴发的潜力[gydF4y2Ba23gydF4y2Ba］．一些研究报道了GFT与传统ILI监测数据高度相关[gydF4y2Ba23gydF4y2Ba-gydF4y2Ba28gydF4y2Ba］．GFT目前已在许多国家应用，但在韩国既没有GFT，也没有其他基于搜索查询的疾病监测工具[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba27gydF4y2Ba-gydF4y2Ba30.gydF4y2Ba］．总体而言，谷歌在GFT国家的市场份额占主导地位[gydF4y2Ba24gydF4y2Ba-gydF4y2Ba29gydF4y2Ba，gydF4y2Ba31gydF4y2Ba]，但在韩国没有[gydF4y2Ba32gydF4y2Ba］．使用谷歌趋势进行流感监测的研究表明，它可以用作补充数据来源，但其性能不足以用作预测模型[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba34gydF4y2Ba］．很难找到连续数年显示出高相关性的查询，因为互联网搜索行为可能会随着时间而变化。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是韩国第二大门户网站服务提供商(约占25%的市场份额)[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba35gydF4y2Ba］．Daum向网民提供电子邮件、即时通讯、论坛、购物、新闻等多种互联网服务。主要语言是韩语。gydF4y2Ba

在韩国，流感通常是季节性的，大部分活动发生在冬季。2009/10流行病学年，即甲型流感(H1N1)大流行期，是一个特殊情况(见gydF4y2Ba多媒体附件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

研究时间为2009年9月6日(第36周)，至2012年9月1日(第34周)-连续3个流行病学年的156周数据。我们将研究期分为两组:组1(2009/10流行病学年为发展组1,2010/11为验证组1)和组2(2010/11为发展组2,2011/12为验证组2)。gydF4y2Ba

收集流感样疾病数据gydF4y2Ba

我们从韩国疾病控制和预防中心(KCDC)收集了ILI数据作为黄金标准。KCDC的ILI数据可从KCDC网站获得;我们从这个网站下载了研究期间的ILI数据[gydF4y2Ba36gydF4y2Ba］．KCDC的ILI病例定义为发烧38°C伴咳嗽和/或喉咙痛[gydF4y2Ba36gydF4y2Ba］．在韩国的850个哨点诊所进行ILI监测，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

获取查询的调查gydF4y2Ba

为了获得与流感相关的人口搜索查询，我们在2012年9月进行了基于性别和年龄的配额抽样调查。配额是根据居民登记地址、年龄和性别确定的。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。我们从首尔的户籍登记处随机选择了地址，然后如果居住在户籍登记处地址的受访者符合标准，我们将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。该调查包括流感搜索历史和类型化查询。调查是匿名进行的。韩国疾控中心对ILI的定义是发烧(韩语为발열)38°C，伴有咳嗽(기침)和/或喉咙痛(후통)。无论调查结果如何，ILI定义中的这三个查询都包含在以下操作的查询中。 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

我们相信，人们通常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。来自调查结果和KCDC ILI定义的查询被分为如下组:查询组1包含特定于流感的查询(如“H1N1”、“流感”)，查询组2包含不特定于流感的查询(如“治疗”、“症状”)。然后，我们结合查询组1和2。组合查询包括查询组1单独和查询组1和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)发送给Daum，并以周的形式收到比例数据。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将每个组合查询的数量除以1周的搜索查询总数。gydF4y2Ba

数据分析gydF4y2Ba

创建累积查询方法和数据分析gydF4y2Ba

在开发集1和2中，计算组合查询的Daum数据与KCDC ILI数据之间的Pearson相关系数。我们选择了相关系数为0.7或更高的组合查询，并按降序列出它们。为了了解相关系数随时间的变化，我们还计算了随后流行病学年组合查询的相关系数。然后我们创建了一个累积查询方法gydF4y2BangydF4y2Ba按相关系数降序表示累计组合查询的数量。例如，累积查询方法4由相关系数列表中第1、2、3和4个最高的组合查询的比例数据之和组成。在验证集1和2中，计算累积查询方法之间的Pearson相关系数gydF4y2BangydF4y2Ba以及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相关系数高于同一开发集中单个组合查询的最高相关系数。使用IBM SPSS统计软件进行分析，版本20。重要性被设定为gydF4y2BaPgydF4y2Ba< . 05。gydF4y2Ba

院校检讨委员会gydF4y2Ba

这项研究得到了峨山医疗中心(首尔，韩国)的制度审查委员会的批准。gydF4y2Ba

结果gydF4y2Ba

获取查询的调查gydF4y2Ba

我们联系了322人，其中包括200名生活在韩国首尔的20岁以上的参与者。超过四分之一(56/200,28%)的人对流感搜索历史的问题回答“是”，并提供了搜索查询(gydF4y2Ba表1gydF4y2Ba)．gydF4y2Ba

来自调查的查询组合gydF4y2Ba

查询组1包含14个特定于流感的查询，查询组2包含14个非特定于流感的查询(gydF4y2Ba表2gydF4y2Ba)．Daum网站上总共提交了210条综合查询。组合查询的完整数据显示在gydF4y2Ba多媒体附件2gydF4y2Ba．gydF4y2Ba

从搜索引擎收集数据gydF4y2Ba

对组合查询的Daum数据与开发集1和2中的KCDC ILI数据进行相关性分析(gydF4y2Ba表3gydF4y2Ba)．在发展集1中，“新流感(缩写)”的相关系数最高(gydF4y2BargydF4y2Ba= .894,gydF4y2BaPgydF4y2Ba<.001)， 13个组合查询具有相关系数gydF4y2BargydF4y2Ba值≥.7。在这13个组合查询中，具有相关系数的组合查询数gydF4y2BargydF4y2Ba≥。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个合并查询具有gydF4y2BargydF4y2Ba值≥.7。在这15个组合查询中，具有相关系数的组合查询数gydF4y2BargydF4y2Ba≥。7was reduced to 6 in validation set 2. Only “Tamiflu” and “New flu + Symptom” showed correlation coefficientsrgydF4y2Ba≥。7for 3 consecutive years (图1gydF4y2Ba)．所有组合查询的相关系数随时间的变化显示在gydF4y2Ba多媒体附件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个累计查询方法(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gydF4y2Ba)．13个累积查询方法中有8个是有用的，它被定义为具有高于开发集1中单个组合查询的最高相关系数的相关系数(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中是有用的(min=。935年,马克斯= .953)。通过在验证集1中添加累积查询方法5、6、8、9、10和13中的查询，相关性并没有增加。在验证集2中，来自开发集2的累积查询方法5的相关系数最高(gydF4y2BargydF4y2Ba= .987,gydF4y2BaPgydF4y2Ba<措施;看到gydF4y2Ba图2gydF4y2Ba而且gydF4y2Ba多媒体gydF4y2Ba)．来自开发集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)。在验证集2中添加累积查询方法3、4、7、8、10、12和14的查询，相关性没有增加。在KCDC ILI和其他有用的累积查询方法之间给出了散点图gydF4y2Ba多媒体附件4gydF4y2Ba．流感病毒学数据的累积查询方法gydF4y2Ba多媒体gydF4y2Ba．gydF4y2Ba

在每个开发集中，累积查询方法比组合查询具有更高的相关系数(参见gydF4y2Ba表5gydF4y2Ba而且gydF4y2Ba6gydF4y2Ba)．1年后，13种累计查询方法中有11种有gydF4y2BargydF4y2Ba≥。7，but 4 of 13 combined queries had anrgydF4y2Ba≥。7在validation set 1 (see表5gydF4y2Ba而且gydF4y2Ba图3gydF4y2Ba)．所有15个累计查询方法都有一个gydF4y2BargydF4y2Ba≥。7，but 6 of 15 combined queries had anrgydF4y2Ba≥。7在validation set 2 (see表6gydF4y2Ba而且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，在开发和验证集中，累积查询方法与国家流感监测数据的相关性高于组合查询。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传统监测更早地反映实际的疾病进展。在本研究之前使用的查询仅反映了作者的观点[gydF4y2Ba13gydF4y2Ba]或从数据库[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(독감)”有两种意思，一种是流感，一种是严重的普通感冒。自2009/10流行病学季，即甲型H1N1流感大流行期以来，媒体开始使用“新流感(신종플루)”，以区分H1N1流感和以前的流感。2010年，韩国疾病预防控制中心宣布正式名称为“流行性感冒(传染病플루엔자)”[gydF4y2Ba36gydF4y2Ba］．但在国内，“新流感(신종플루)”和“重感冒(독감)”仍然比“流感(플루)”和“流感(tmd플루엔자)”更受欢迎。gydF4y2Ba表1gydF4y2Ba)．gydF4y2Ba

对于2009/10流行病学年(发展集1)，13个联合查询具有相关系数gydF4y2BargydF4y2Ba值≥7。但其中只有4项(“新型流感+咳嗽”、“流感+症状”、“新型流感+症状”、“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个累计查询方法中有11个gydF4y2BargydF4y2Ba≥。7在validation set 1 (see表5gydF4y2Ba而且gydF4y2Ba图3gydF4y2Ba)．15个开发集合2的组合查询中，包含相关系数的组合查询数gydF4y2BargydF4y2Ba≥。7reduced to 6 in validation set 2. But all 15 cumulative query methods had anrgydF4y2Ba≥。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个组合查询中有20个在所有3年都具有相关系数。只有“达菲”与“新型流感+症状”呈相关系数gydF4y2BargydF4y2Ba≥。7for 3 consecutive years (see图1gydF4y2Ba而且gydF4y2Ba多媒体附件2gydF4y2Ba)．最近，一项使用谷歌趋势进行流感监测的研究表明，谷歌趋势可作为补充数据来源[gydF4y2Ba33gydF4y2Ba];然而，其性能不足以用作预测模型，因为其最大相关系数在2009年只有一个查询“Fever”为0.82，并在2011年降至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，我们使用了查询组合和组合查询的累积来构造我们的方法。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，我们想开发的方法才有意义。在每个验证集中，开发了8种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，有用的累积查询方法的相关系数范围为。975到。987。这些数值与其他地方报道的数值相似或更高[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba23gydF4y2Ba，gydF4y2Ba26gydF4y2Ba，gydF4y2Ba27gydF4y2Ba，gydF4y2Ba29gydF4y2Ba，gydF4y2Ba31gydF4y2Ba］．在欧洲，GFT的相关系数为.716至.940 [gydF4y2Ba27gydF4y2Ba]，而美国的相关系数为。82至。99 [gydF4y2Ba23gydF4y2Ba，gydF4y2Ba26gydF4y2Ba，gydF4y2Ba31gydF4y2Ba］．在被称为甲型H1N1流感大流行的2009/10流行年，与其他流行年相比，查询的比例数据可能有所不同。它可能会影响集合1中累积查询方法的性能。集合1中的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，相关性不会因添加查询而增加。添加的查询没有在验证集1中的累积查询方法6、8和10中提供额外的值(请参阅gydF4y2Ba表4gydF4y2Ba而且gydF4y2Ba多媒体附件2gydF4y2Ba)．来自验证集1中的开发集1的组合查询6、8和10具有常量0(请参阅gydF4y2Ba表3gydF4y2Ba而且gydF4y2Ba多媒体附件2gydF4y2Ba)．与验证集1、3、4、7、8、10、12和验证集2中的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gydF4y2Ba表4gydF4y2Ba而且gydF4y2Ba多媒体附件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显示与KCDC ILI数据有很强的相关性。总体而言，谷歌在GFT国家的市场份额占主导地位[gydF4y2Ba27gydF4y2Ba，gydF4y2Ba28gydF4y2Ba］．我们的研究显示了使用非主流本地搜索引擎开发监控模型的可能性。gydF4y2Ba

限制gydF4y2Ba

这项研究有几个局限性。我们研究的调查并不是一个有代表性的样本。由于受访者被要求在没有提及2009/10年流感大流行的情况下提供打字查询，最近的搜索查询更有可能被包括在这项研究中，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。在这项研究中，我们没有组合来自同一查询组的查询。虽然很重要，但在KCDC ILI定义中使用症状的表现没有得到测试。2009/10年流感大流行的学习效应、新闻报道、疫情简报、互联网上的健康信息，以及智能手机普及带来的搜索行为变化，可能影响了这项研究的结果。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

我们提出了一种利用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的影响，我们使用了查询组合和组合查询的累积。我们的方法显示与韩国国家流感监测数据高度相关。然而，为了进一步推广我们的方法，还需要进一步的研究。gydF4y2Ba