|
|
پیشبینی اپیدمی کووید 19 با استفاده از روند جستجوی گوگل
|
|
|
|
|
نویسنده
|
مصدق راد علی محمد ,دهنوی حامد ,اصفهانی پروانه
|
منبع
|
پايش - 1400 - دوره : 20 - شماره : 2 - صفحه:237 -242
|
چکیده
|
مقدمه: نظامهای سنتی مراقبت از بیماریهای واگیر مبتنی بر دادههای بالینی و آزمایشگاهی، معمولاً گزارشهای طغیان بیماریهای واگیر را با فاصله 1 تا 2 هفته پس از بروز آنها منتشر میکنند. ابزار روند جستجوی گوگل با تاخیر یک روزه، اطلاعات جستجوی افراد را نشان داده است. از این دادهها میتوان برای شناسایی و مدیریت اپیدمی بیماریهای واگیر استفاده نمود. این مطالعه با هدف پیشبینی اپیدمی کووید19 با استفاده از روند جستجوی گوگل انجام شد. مواد و روش کار: این مطالعه به صورت توصیفی و مقطعی در بهمن 1399 انجام شد. از دادههای پایگاه اینترنتی روند جستجوی گوگل برای تعیین میزان توجه به کووید19 استفاده شد. آمار میزان مرگ ناشی از کرونا از وزارت بهداشت به دست آمد. اطلاعات در بازه زمانی 1 بهمن 1398 تا 30 دی 1399 گردآوری شد. دادهها با استفاده از نرمافزارهای اکسل و spss مورد تحلیل قرار گرفت. یافته ها: همزمان با اعلام رسمی موارد ابتلا به کرونا در ایران در تاریخ 30 بهمن، حساسیت جامعه به کرونا بسیار زیاد شده و میزان جستجو در گوگل به حداکثر رسیده است. تا پایان دی 1399 سه موج طغیان کوبد19 در ایران مشاهده شده است. این سه موج به طور مشابه در روندهای گوگل نیز مشاهده شد. در هر سه موج کووید19، به اوج رسیدن جستجو در گوگل، 10 تا 20 روز زودتر از به اوج رسیدن تعداد فوتیها روی داده است.نتیجه گیری: با استفاده از دادههای روندهای جستجوی گوگل، میتوان وضعیت طغیان بیماری کووید 19، حساسیت جامعه به بیماری و نیازمندیهای بهداشتی و درمانی را در زمان کوتاهی تعیین نمود. از دادههای جستجوی گوگل میتوان به عنوان مکمل نظام مراقبت بیماریهای واگیر استفاده کرد.
|
کلیدواژه
|
بیماری کووید 19، اپیدمی، پیش بینی، روند جستجوی گوگل
|
آدرس
|
دانشگاه علوم پزشکی تهران, دانشکده بهداشت, مرکز تحقیقات مدیریت اطلاعات سلامت, ایران, دانشگاه علوم پزشکی تهران, دانشکده بهداشت, گروه علوم مدیریت و اقتصاد سلامت, ایران, دانشگاه علوم پزشکی زابل, دانشکده بهداشت, ایران
|
پست الکترونیکی
|
p.isfehani@gmail.com
|
|
|
|
|
|
|
|
|
Predicting COVID-19 epidemics using Google search trends
|
|
|
Authors
|
Mosadeghrad Ali Mohammad ,Dehnavi Hamed ,Isfahani Parvaneh
|
Abstract
|
Objective (s): Traditional health surveillance systems usually publish reports of infectious disease outbreaks 1 to 2 weeks after onset. The Google Trends shows people search information with a oneday delay. These data can be used to identify and manage epidemics of infectious diseases. The aim of this study was to predict the Covid19 epidemic using the Google Trends.Methods: This descriptive crosssectional study was conducted in February 2021. Google Trends data was used to determine how much attention was paid to COVID19. Data on COVID19 deaths were obtained from the Iran Ministry of Health. Data were collected and reviewed in the period from February 22, 2020 to January 20, 2021. Data were analyzed using Excel and SPSS soft wares.Results: Simultaneously with the announcement of incidence of COVID19 in Iran on February 20, the society rsquo;s sensitivity to COVID19 has increased and the search rate for COVID19 in Google has reached its maximum. Three waves of COVID19 outbreak have been observed in Iran by the end of December 2020. These three waves were similarly observed in Google trends. In all three COVID19 waves, the peak of Google search occurred 10 to 20 days before the peak of the number of deaths.Conclusion: The Google Trends can detect the COVID19 outbreak quicker. Google search data can be used as a complement to the infectious disease surveillance system.
|
Keywords
|
COVID-19 disease ,Epidemics ,Prediction ,Google search trends
|
|
|
|
|
|
|
|
|
|
|