预测吸烟流行在日本使用互联网搜索引擎的搜索量:Infodemiology研究

介绍

吸烟流行作为卫生政策指标

吸烟是导致许多类型的癌症、呼吸道疾病、冠状动脉疾病(1- - - - - -4]。自2013年以来,各种电子尼古丁交付系统(结束),介绍了heat-not-burn烟草产品作为替代香烟5与3品牌),可用在日本:Iqos,如果留意,Ploom技术。这些目标和heat-not-burn烟草制品已报告是有害和警报已经发行6,7]。

吸烟流行作为一项指标在健康日本21(第二项),在日本卫生措施的指导方针,政策措施正在实施基于目标值(8]。目前,吸烟流行是通过国家调查确定,如生活条件的综合调查(9)和全国健康和营养调查(10]。生活条件的综合调查每三年进行一次,全国健康和营养调查是每5年进行一次大规模的。只有数量有限的调查,这需要巨大的努力和成本在数百万美元,有一个足够大的样本容量由县列表。此外,这些调查没有进行年重大自然灾害,如2016年熊本地震;此外,2020年以后,由于COVID-19大流行,生活条件的综合调查和2020年的国家健康与营养调查在2020年和2021年被取消。这些大规模的全国性调查监测卫生指标的中止阻止了评估政策和阻碍以证据为基础的政策制定。

吸烟在日本流行的趋势

吸烟在日本流行率急剧下降,从1965年的82.3%到2018年的27.8%为男性超过20岁,从1965年的16.5%到2018年的8.7%为女性(11]。然而,日本比其它高收入国家吸烟患病率略高,表明烟草控制措施尚未达到最佳实践的水平(12]。此外,它已被指出,社会经济差异可能是一个因素对吸烟(与日本的持续下降13),这是一个重要的公共卫生问题。

互联网搜索引擎和烟草使用

显著的相关性已报告在互联网搜索趋势和国家烟草和无烟烟草使用率在美国(14]。此外,青年始终暴露于烟草相关内容在互联网上(15),和接触烟草相关内容对社交媒体报道吸烟行为的风险(16]。因此,我们推测,有可能预测吸烟流行在地区层面基于互联网上的搜索趋势。此外,据报道,互联网搜索趋势可以跟踪用户的兴趣结束(17)和heat-not-burn烟草(18]。因此,本研究的目的是预测吸烟流行县和性在日本基于互联网搜索趋势。

方法

本研究使用infodemiology监控方法吸烟流行在日本基于互联网搜索引擎的趋势。

结果变量

结果变量是吸烟流行。吸烟流行得到每个县从生活条件的综合调查9),日本政府开展的一项全国性调查。这是家庭的一项全国性调查,随机选择和分层来自日本各地的地区。一个简单的调查(分发给大约55000户家庭,组成138000人)每年进行一次,和一个大型调查(分发给大约277000户家庭,组成688000人)每3年进行一次。因为吸烟流行中只包括大规模的调查中,我们获得了吸烟流行为每个县三年时期从2001年到2019年(多媒体附录1)。然而,在2016年,熊本地区失踪的数据由于自然灾害造成的地震。以来的数据量太小,嫁祸于缺失值,他们不能正确地估计,在这项研究完成情况进行了分析。

预测

预测变量的搜索量是雅虎日本搜索,在日本最大的搜索引擎之一。本研究是在与雅虎日本公司合作进行的,研究人员被授权访问搜索日志数据从雅虎日本搜索。必要的数据提取与制表程序访问雅虎日本公司服务器通过一个虚拟专用网络连接。提取的搜索查询搜索量被列为同义词的单词“香烟”,“吸烟”和“缴获”的同义词典Ichu-shi网络,日本最大的医学文章搜索数据库。每月每个县的搜索数量为每个搜索查询得到,和搜索的总数每财政年度(从4月1日到3月31日财政年度)计算。

因为雅虎日本搜索日志数据从2014年开始,搜索量预测吸烟流行的财政年度的财政年度之前我们想要预测吸烟流行,我们获得的搜索量在2015年财政年度,2018和2021。这些都是在这三年的大规模调查吸烟的流行,使回顾性数据。在财政年度预测吸烟流行的原因是,日本地方政府每财政年度评估他们的项目。查询,没有写在日本,或者一个月,他们从不寻找被排除在外;18因此用于查询分析(文本框1)。

标准化的预测

由于男女比例为每一个搜索查询可以获得基于用户id的注册信息,搜索量通过性计算按比例分配性的搜索量。由于搜索量的大小影响全州人口计算人均搜索量除以总或男/女全州人口,然后将结果转换为z分数标准化结果。的z分数用以下公式计算(“查询”是指每个搜索查询中使用的分析):

全州人口的值用于计算搜索量人均值在10月1日(年度)的平均一天的一年,从开放政府数据估计统计(19]。

统计分析

部分皮尔逊相关系数,调整数据,每个县和吸烟流行z分数每个县的每个查询的搜索量计算。回归分析使用一个广义线性混合模型(GLMM)进行吸烟流行作为结果变量,z分数为每个搜索查询和调查为预测变量,每个县和随机效应。在回归分析中,我们使用数据从2016年和2019年吸烟流行和搜索。在回归分析模型0只包括调查,作为预测拦截;模型1包括调查,拦截,查询,但排除烟草相关产品的名称;模型2包括调查,拦截,逆向选择和查询选择的方法;调查和模型3中,拦截,所有搜索查询的总样本分别为男性和女性。选择最好的模型确定使用Akaike信息标准修正(AICC)小样本大小和贝叶斯信息准则(BIC)。AICC和BIC模型适合关注预测精度指标,指的是更好的适合较小的值相对于其他模型。使用SPSS统计分析进行了(27版;IBM)。 The significance level was set at 1% for all analyses.

GLMM模型的评价和预测2022年吸烟的流行

搜索量被替换到选择最好的模型来预测吸烟流行2016年,2019年和2022年。2016年和2019年,散点图的实际和估计吸烟流行被吸引到确认协议。吸烟流行在2022年绘制线图以及实际值从2001年到2019年来证实这一趋势。

道德的考虑

本研究涉及二级公共统计和匿名现有数据的分析;因此,伦理审查放弃了京都大学研究生院、医学院伦理委员会。

结果

吸烟相关系数之间的患病率和每一个搜索查询

偏相关分析的结果提出了表1。对于男人来说,以下9搜索查询与吸烟流行:有显著的相关性雪茄片假名(シガー;r= -0.399,P<措施),香烟片假名(シガレット;r= -0.417,P<措施),烟草片假名(タバコ;r= -0.388,P<措施),烟草平假名(たばこ;r= -0.334,P=措施),烟草在汉字(煙草;r= -0.370,P<措施),吸烟在汉字(喫煙;r= -0.346,P=措施),电子香烟片假名(電子タバコ;r= -0.303,P= .003),电子香烟平假名(電子たばこ;r= -0.271,P= .009)雪茄在汉字(葉巻;r= -0.412,P<措施)。对于女性来说,以下5个搜索查询有显著的相关性:vape,(r= 0.335,P=措施),雪茄片假名(シガー;r= 0.286,P= .006),戒烟在汉字(禁煙;r= 0.288,P= .005),电子香烟片假名(電子タバコ;r= 0.271,P= .009)电子香烟平假名(電子たばこ;r= 0.271,P= .009)(表1)。

回归分析的结果和评价最好的模型

模型3是最好的模型AICC和BIC分数在所有总样本的回归分析(AICC 308.043和BIC 312.452),男性(AICC 338.656和BIC 343.066)和女性(AICC 302.225和306.635 BIC)。细节表提供了S1、S2和S3多媒体附录2。此外,没有搜索查询与显著的回归系数模型3中被发现性或总样本。散点图的实际和估计吸烟流行在2016年和2019年确认一个相对高度的协议(图1)。

‎ 把这个图

吸烟流行县于2022年的估计

的平均估计吸烟流行2022年的47个县总样本,包括男人和女人(图2),23.492% (95% CI 21.617% - -25.367%),表现出日益增长的趋势,患病率为29.024% (95% CI 27.218% -30.830%)为男性(图3)和8.793%(95%可信区间7.531% - -10.054%)的女性(图4)。

‎ 把这个图

‎ 把这个图

‎ 把这个图

讨论

主要结果

我们发现吸烟流行可以与中等程度的预测准确性使用GLMM基于烟草相关查询的搜索量在互联网搜索引擎。的单变量分析吸烟流行之间的偏相关系数由县和每个搜索查询显示显著的变量只有性爱,但是GLMM预测有大约相同的预测精度对总样本的男性和女性。GLMM模型从AICC和BIC分数,和模型,其中包括所有搜索查询采用诸如“预测所有性别和总样本的最佳模型。这些结果表明,而不是特定的单词被强烈的吸烟流行预测,更有可能是不同的单词扮演一个角色在揭示prefectural-specific单调吸烟流行趋势的特征。

当实际和估计吸烟患病率比较,估算值往往表现出更少的变化,这可能与吸烟减少预测的准确性县患病率所得来的意思。然而,这使我们能够遵循吸烟对日本整体流行的趋势。吸烟流行继续显示一致的下降趋势从2001年到2019年,但估计为2022平的趋势或女性增加的趋势。2020年之后,COVID-19大流行造成的后遗症行为限制和停滞不前的经济活动在世界各地,和日本正处在第七波截至2022年,世界上最高的病例数(20.]。这可能是一个因素在本研究的趋势。经济差距也被确认为一个因素在日本吸烟的患病率居高不下(13]。因此,经济剥夺归因于COVID-19可能与2022年估计吸烟患病率的增加。

更有趣的是,烟草相关查询的搜索量之间的相关系数和吸烟男性患病率呈阴性,阳性妇女,并在总样本不相关的。吸烟流行在日本传统上男人和女人之间显著不同,这可能导致搜索量较高的戒烟行为男性和女性更高的搜索量吸烟行为。值得注意的是,COVID-19大流行不成比例地影响了女性的就业,这种现象称为“she-cession”[21]。几项研究也报道自杀和精神健康问题的增加在日本女性COVID-19大流行期间(22,23]。因此,它是可能的,吸烟女性患病率增加作为压力的应对行为(24]。

因此,当考虑卫生政策基于烟草相关查询的搜索量在互联网搜索引擎,男人和女人需要不同的方法。不仅是理想的未来研究预测吸烟流行,而且调查吸烟者的详细搜索行为模式和性别差异,澄清之间的关系吸烟者的实际搜索行为和吸烟流行。

限制

的局限性之一我们的研究涉及到模型的灵活性,同时吸烟和烟草相关的查询检索量统计数据只适用2年(2016年和2019年)。特别是在熊本,数据丢失是由于2016年一场大地震,所以必须小心解释估计。在GLMM缺乏统计学意义的变量回归分析也可能由于小样本大小和多重共线性的高度相关的搜索量之间的关系与烟草相关的查询。这项研究没有解决这个问题,因为它专注于预测吸烟流行作为结果的准确性。然而,如果这些限制可以解决在未来使用更复杂的统计方法分析,我们可以获得洞察吸烟流行因素的影响变化。此外,互联网的使用在日本不同年龄组:90%以上的人在青少年时期和第六个十年的生活使用互联网,而74.2%的人在他们的年代,57.5%的人在他们的年代使用互联网(25),这表明老年人的影响可能被低估了。然而,截至2019年,吸烟男性患病率最高的是在四十多岁的人群中,36.5%,减少人们达到了60年代;在六十年代的人群中患病率是31.1%,70岁以上的人中15.1%。同样的趋势在女性吸烟患病率最高的是12.9%在五十多岁的人群中,8.6%的60年代,70岁以上的女性为3%。因此,我们认为,较低的老年人互联网使用的影响是有限的。最后,尽管这对于男性和女性研究使用单独的分析,有可能是性别偏见存在于互联网搜索行为。在澳大利亚一个先前的研究(26)表明,女性吸烟者是高度社会弱势群体似乎更频繁地使用互联网;然而,并没有证据表明性别差异在互联网搜索行为在日本一般人群。性别偏见在吸烟者的互联网搜索行为的研究为未来的研究也是一个问题。

与之前的工作

大多数以前的研究领域的infoveillance都集中在预测传染病的流行,如流感(27,28]。这项研究表明,吸烟还可以预测精度高的搜索量与烟草相关的查询。许多先前的研究使用搜索引擎使用谷歌趋势数据,不提供搜索量性或县,与雅虎搜索的数据,使后者更适当的进行我们的研究。虽然我们没有发现研究预测吸烟流行的互联网搜索量,适度吸烟患病率和烟草相关查询的搜索量之间的相关性被报道在美国(14]。在这项研究中,这一趋势观察日本男人,略弱相关性对于日本女性。2020年美国吸烟流行是14.1%的男性和11%的女性29日),没有显著差异。不过,日本有一个非常大的差距在吸烟流行男女之间,这可能是女性略弱相关性的原因。

我们的发现可能是有用的在公共卫生措施的评估大规模全国性的调查是不可能由于流行或大地震等自然灾害。事实上,日本有失踪的历史统计数据,包括统计相关COVID-19熊本地震,和有一个高概率在未来大规模的地震和火山爆发。

结论

这项研究表明,互联网搜索量可以预测吸烟流行的烟草相关查询。我们的发现可能促进低成本的发展,及时,能够抵御危机的卫生指标,使评价卫生措施,有助于改善公共卫生。