論文の概要: Network Density Analysis of Health Seeking Behavior in Metro Manila: A Retrospective Analysis on COVID-19 Google Trends Data
- arxiv url: http://arxiv.org/abs/2503.21162v1
- Date: Thu, 27 Mar 2025 05:11:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 12:54:37.129948
- Title: Network Density Analysis of Health Seeking Behavior in Metro Manila: A Retrospective Analysis on COVID-19 Google Trends Data
- Title(参考訳): メトロマニラにおける健康管理行動のネットワーク密度解析 : Googleトレンドデータによる検討
- Authors: Michael T. Lopez II, Cheska Elise Hung, Maria Regina Justina E. Estuar,
- Abstract要約: 本研究では,フィリピン首都圏のマニラ都市圏におけるCOVID-19関連健康診察行動の時間的側面について検討した。
2020年3月から2021年3月までの15日間および30日間の転がり窓を用いて,5つのカテゴリーにまたがる15のキーワードを調査した。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This study examined the temporal aspect of COVID-19-related health-seeking behavior in Metro Manila, National Capital Region, Philippines through a network density analysis of Google Trends data. A total of 15 keywords across five categories (English symptoms, Filipino symptoms, face wearing, quarantine, and new normal) were examined using both 15-day and 30-day rolling windows from March 2020 to March 2021. The methodology involved constructing network graphs using distance correlation coefficients at varying thresholds (0.4, 0.5, 0.6, and 0.8) and analyzing the time-series data of network density and clustering coefficients. Results revealed three key findings: (1) an inverse relationship between the threshold values and network metrics, indicating that higher thresholds provide more meaningful keyword relationships; (2) exceptionally high network connectivity during the initial pandemic months followed by gradual decline; and (3) distinct patterns in keyword relationships, transitioning from policy-focused searches to more symptom-specific queries as the pandemic temporally progressed. The 30-day window analysis showed more stable, but less search activities compared to the 15-day windows, suggesting stronger correlations in immediate search behaviors. These insights are helpful for health communication because it emphasizes the need of a strategic and conscientious information dissemination from the government or the private sector based on the networked search behavior (e.g. prioritizing to inform select symptoms rather than an overview of what the coronavirus is).
- Abstract(参考訳): 本研究では,フィリピンの首都マニラ都市圏における新型コロナウイルス関連健康調査行動の時間的側面について,Google Trendsデータを用いたネットワーク密度分析により検討した。
2020年3月から2021年3月までの15日間および30日間の転がり窓を用いて,5つのカテゴリー(英語症状,フィリピンの症状,顔着,隔離,新しい正常)の15のキーワードについて検討した。
この手法は、異なる閾値 (0.4, 0.5, 0.6, 0.8) で距離相関係数を用いてネットワークグラフを構築し、ネットワーク密度とクラスタリング係数の時系列データを解析することを含む。
その結果,(1) 閾値値とネットワークメトリクスの逆関係は,高い閾値がより意味のあるキーワード関係をもたらすこと,(2) パンデミックが進行するにつれてネットワーク接続性が著しく低下すること,(3) キーワード関係の異なるパターン,(3) 政策に焦点を絞った検索から,時間的経過とともに症状特異的なクエリへと移行すること,の3つの重要な結果が得られた。
30日間のウィンドウ解析では,15日間のウィンドウに比べて検索活動は安定しているが,検索活動は少なく,即時検索行動の相関が強いことが示唆された。
これらの知見は、ネットワーク化された検索行動に基づいて、政府や民間セクターから戦略的かつ良心的な情報伝達の必要性を強調する(例えば、新型コロナウイルスの概要ではなく、選択された症状を伝えること)ため、健康コミュニケーションに有用である。
関連論文リスト
- Leveraging graph neural networks and mobility data for COVID-19 forecasting [37.9506001142702]
新型コロナウイルス(COVID-19)のパンデミックはこれまでに700万人以上の犠牲者を出した。
移動データと機械学習を組み合わせた時空間モデルが病気予測に注目を集めている。
ここでは、GCRN(Graph Convolutional Recurrent Network)とGTM(Graph Convolutional Long ShortTerm Memory)について検討する。
目標は、人間の移動ネットワークを活用して、ブラジルと中国の新型コロナウイルス感染者の将来の価値を予測することである。
論文 参考訳(メタデータ) (2025-01-20T19:52:31Z) - DNA: Differentially private Neural Augmentation for contact tracing [62.740950398187664]
接触追跡はウイルスキャリアの早期検出による感染率の低下に有効な方法である。
我々は、分散化された接触追跡において、最先端技術のプライバシー保証を大幅に改善する。
この作業は、重要なプライバシー保証を維持しながら、ディープラーニングをコンタクトトレースに統合する上で、重要な第一歩となる。
論文 参考訳(メタデータ) (2024-04-20T13:43:28Z) - On Discprecncies between Perturbation Evaluations of Graph Neural
Network Attributions [49.8110352174327]
我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。
中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。
我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
論文 参考訳(メタデータ) (2024-01-01T02:03:35Z) - Do we listen to what we are told? An empirical study on human behaviour
during the COVID-19 pandemic: neural networks vs. regression analysis [7.134828408572364]
新型コロナウイルスの感染拡大に伴うマスク着用に関連する公衆衛生政策への一般人口の適合性について検討する。
マスク着用に関する政府規制や公共交通機関の発表が,マスク着用行動の正しさを示唆していることが判明した。
論文 参考訳(メタデータ) (2023-11-21T23:14:47Z) - Exploring Spatial-Temporal Variations of Public Discourse on Social
Media: A Case Study on the First Wave of the Coronavirus Pandemic in Italy [0.0]
本稿では,ソーシャルメディア上での言語行動を用いて重要な出来事に対する社会的反応を探索する手法を提案する。
本手法は時系列分析とクラスタリングを用いて,ツイート利用傾向の時空間カテゴリーを定位する。
また,パンデミック時の政策変化と時間的カテゴリーが密接に対応していることが判明した。
論文 参考訳(メタデータ) (2023-06-28T08:59:50Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳(メタデータ) (2021-05-06T15:24:00Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳(メタデータ) (2021-03-23T11:10:04Z) - Twitter Subjective Well-Being Indicator During COVID-19 Pandemic: A
Cross-Country Comparative Study [0.0]
本研究は、日本とイタリアのTwitterデータ指標を用いて、新型コロナウイルスのパンデミックが主観的幸福感に与える影響を分析した。
全体として、主観的な幸福感はイタリアでは11.7%、日本では8.3%減少し、2020年の最初の9ヶ月は2019年の最後の2ヶ月と比較して減少した。
論文 参考訳(メタデータ) (2021-01-19T15:51:53Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳(メタデータ) (2020-06-23T03:36:19Z) - Finding Patient Zero: Learning Contagion Source with Graph Neural
Networks [67.3415507211942]
感染源の特定は、感染の感染経路に関する重要な洞察を与えることができる。
既存の方法はグラフ理論測度と高価なメッセージパッシングアルゴリズムを用いる。
グラフニューラルネットワーク(GNN)を用いてP0を学習し,この問題を再考する。
論文 参考訳(メタデータ) (2020-06-21T21:12:44Z) - The Pace and Pulse of the Fight against Coronavirus across the US, A
Google Trends Approach [0.0]
Google Trendsは、人々が考えていること、必要としていること、計画するためのプロキシとして使用できる。
新型コロナウイルス(COVID-19)などのパンデミックにおける情報探索パターンの、重要な変化の洞察と、潜在的な指標の両方を提供するために、私たちはそれを使用しています。
論文 参考訳(メタデータ) (2020-05-05T20:55:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。