文章專區

Google搜尋趨勢（Google trend）分析具有評估傳染病流行趨勢的潛力，若能確認這些數據與官方單位監測報告之間的相關性，將有助於我們以快速、簡便又經濟的方式預測傳染病疫情及流行範圍，為疾病的早期管制爭取時效，預防疫情持續蔓延擴大。此外，Google搜尋趨勢分析也有助於制定疫苗接種政策、消除民眾對疫苗的猶豫及焦慮，發揮疫苗控制及預防疾病的效果。

Google搜尋趨勢可以告訴我們的事

Google是目前全球使用最廣泛、功能最強大的搜尋引擎，受益於全球的網路普及率及Google的使用率，Google搜尋趨勢的分析數據具有許多潛在的應用可能性。近年來，開始有許多研究使用Google搜尋趨勢的數據輔助傳統監控系統收集數據，Google搜尋趨勢資料已成為分析網路搜尋行為、提供社區動態和健康相關議題見解的有效來源之一。Google搜尋趨勢的統計數據結合軟體分析，可協助用於健康議題的監測，例如傳染病流行及疫苗接種的趨勢等。Google搜尋趨勢分析方法的設定及執行原則如下：

1. Google搜尋趨勢：Google每天都會執行全球使用者的大量查詢（query）工作，據統計會進行網路搜尋的人，有97％會使用Google。在回答使用者的查詢內容之外，Google也會保存同類別的搜尋查詢記錄，將相關數據編譯並自動顯示查詢趨勢。Google搜尋趨勢提供的資料顯示了某個項目查詢的一系列頻率，可用以判斷隨著時間推移或區域改變的查詢頻率變化。

2. Google相關性（correlation）〔註〕：由於世界各地教育程度、語言及種族等差異，查詢會使用不同的形式進行，Google搜尋引擎會考慮這些差異，並給出每個可能的相關查詢結果。使用Google相關性可以識別出搜尋同一目標，例如疾病、疫苗的不同查詢或術語。

相較於Google搜尋趨勢提供了某查詢一系列的頻率變化，Google相關性輸入的數據系列（目標）和輸出結果為一組查詢，它的頻率遵循類似的模式。上傳數據組（例如時間序列）後，Google相關性將計算該時間序列與Google資料庫中每個查詢的頻率與時間序列之間的皮爾森相關係數（Pearson correlation, r），Google相關性顯示的查詢為相關係數最高的查詢（即最接近r＝1.0）。

〔註〕Google 相關性已於2019 年停止網路服務。

3. 鑑定的搜尋名詞：在政府機關、醫院官網或實地查詢標的名詞，例如疾病、疫苗相關資料及數據，再進一步與Google搜尋趨勢檢索所得的趨勢資料做比較，評估兩者的相關性。

Google用於分析傳染病的流行趨勢

傳染病的流行將對民眾健康帶來重大衝擊，早期快速檢測及評估流行趨勢，是預防傳染病、減少疾病影響的最佳策略之一。然而，傳統傳染病的臨床檢測及流行數據分析耗時、費事且需大量經費，用於預測疫情或評估流行趨勢有時緩不濟急且成本龐大。目前已有不少研究評估Google搜尋趨勢數據與官方傳染病流行報告之間的相關性，若能成功驗證兩者的相關性，將可有效省時並節省經費開支。

在2018年，印度研究人員為評估Google搜尋趨勢和印度綜合疾病監測計畫（Integrated Disease Surveillance Programme, IDSP）資料之間的時間相關性，並確定以此預測疫情或流行病的可行性，因此蒐集了2016年印度昌迪加爾聯邦直轄區和哈里亞納邦與瘧疾（malaria）、登革熱（dengue fever）、屈公病（chikungunya）和腸熱病（enteric fever）四種傳染病相關的Google搜尋查詢資料，並與IDSP的假定資料進行比較。他們使用Spearman相關性和散布圖描述兩個資料間的統計關係，並建立時間趨勢圖，藉此評估Google搜尋趨勢與IDSP的疾病通知之間的相關性，發現確實有觀察到時間相關性。Google趨勢的時間序列分析顯示，Google搜尋的統計數據會與2~3週後官方公布的統計結果有一定程度的相關性，例如昌迪加爾聯邦直轄區（r > 0.80）和哈里亞納邦（r > 0.70）的屈公病和登革熱與IDSP數據的相關性非常高，時間滯後（timelag）〔註〕約2∼3週；瘧疾和腸熱病則具有中度相關性，時間滯後約2∼3週。

〔註〕官方統計數據需經一段時間蒐集疾病數據，再經查證及整理分析，通常需2～ 3週後才能發布統計結果，耗時較久。而Google 搜尋趨勢是即時結果，未經查證及整理分析便可得知統計結果，因此Google 搜尋趨勢會較官方統計數據提早出現，有疾病早期預警的效果。

在2019年，印尼研究人員使用Microsoft Excel的移動平均（moving average）來分析Google搜尋趨勢數據與印尼國家監測報告在2012∼2016年間的資料；並採用皮爾森相關係數和時間滯後，以評估這些數據之間的相關性。移動平均分析顯示，Google趨勢數據與官方登革熱報告具有線性時間序列模式的關係；皮爾森相關性則顯示三個定義的搜尋字詞具有高度相關性，r值範圍為0.921∼0.937（p ≤ 0.05，總體週期），在登革熱疫情期間（2015∼2016年）呈上升趨勢；時間滯後相關性也顯示Google搜尋趨勢數據有可能用於早期預警系統。此研究結果顯示Google搜尋趨勢數據具有線性時間序列模式，並與印尼官方年度登革熱報告在統計學上具有相關性。

2021年，沙烏地阿拉伯研究人員將Google搜尋趨勢與熱帶地區的醫院病例進行相關性比較，分析2010∼2019年期間的4萬8263個流感病例。他們將醫療紀錄中的病例與Google搜尋趨勢做比較，以確定流感的趨勢、季節性和相關性。分析圖形顯示存在一些相似的趨勢區域，但相互關係的相關性分析並未顯示醫院的數據與Google趨勢之間有任何顯著相關性，最大相關率為0.300。季節性分析方面則展現出明顯的模式，Google搜尋趨勢在11月左右達到峰值（peak），而醫院數據則顯示出不太明確的季節性，較小的峰值出現在12月底和1月初。此研究結果顯示，Google搜尋趨勢與區域醫院數據之間有較弱的相關性。

愈來愈多的創新方法正在開發並陸續出現，利用社交媒體和用戶搜尋數據來預測流感的流行具有潛在可能性，但仍需要進一步研究來驗證。

分析COVID-19疫苗接種的趨勢

全球新冠併發重症（COVID-19）的大流行，對人類的健康和生活方式產生了巨大影響，雖然接種疫苗是眾所皆知的有效疾病控制和預防方法之一，然而並非所有人都願意接種。有許多因素會影響大眾接種疫苗的意願和疫苗的選擇，例如擔心可能發生副作用、對接種疫苗的效力存疑、疫苗接種耗時費事及價格不斐等。因此，推廣疫苗接種需要制定完備的接種政策。

在2022年，義大利研究人員嘗試評估Google搜尋趨勢數據是否可以幫助監測COVID-19的疫苗接種趨勢，以及疫苗的引進是否會改變孕婦對接種疫苗的興趣。研究人員發現，疫苗相關術語的搜尋量與疫苗的接種量具有中度到強度的相關性，經測試分析後發現，三週時間滯後的模型所獲得的Google搜尋趨勢數據，與官方統計的COVID-19疫苗接種數量有最強的相關性。他們也發現疫苗引進後會影響「懷孕期間接種疫苗」的搜尋次數和性質（定量和定性）。義大利推行接種COVID-19疫苗後，疫苗相關術語的Google搜尋趨勢顯著增加，定性分析後顯示此增長可能是由於對疫苗的關切。研究結果顯示可用Google搜尋趨勢數據來預測接種COVID-19疫苗的數量，並監測民眾對接種疫苗的感受及反應。

2022年，法國研究人員為了解COVID-19疫苗接種是否存在猶豫感（hesitancy）、加劇了恐懼（fear）和經濟焦慮（economical anxiety），在2020年12月1日∼2021年3月4日利用Google搜尋趨勢分析全球194個國家樣本，發現隨著疫苗的引入，Google搜尋趨勢「恐懼」和「焦慮」（anxiety）的次數反而增加。人們對疫苗克服COVID-19危機的效率缺乏信心，特別是在印度發現delta變異株時，焦慮感更是直線上升。研究結果顯示，如果要增進疫苗的接種，政府的干預措施必須確保COVID-19疫苗不會產生損害公眾健康的不良副作用，建議政策制定者應專注於增加願意接受疫苗的老年人數量，因此有效地解釋疫苗的好處並否認及澄清嚴重副作用等虛假資訊非常重要。

2022年，臺灣研究人員為了解社會大眾對COVID-19疫苗的選擇及接種的趨勢，利用Google搜尋趨勢分析在2020年8月∼2021年12月期間疫苗接種選擇、趨勢與公眾心理健康之間的相關性。他們發現公眾對COVID-19相關的負面感受，例如焦慮、沮喪（depression）等搜尋次數，與新增病例數成正比（呈正相關性），與病例總數和疫苗接種數成反比（呈負相關性）。此外，當時接種輝瑞／BNT疫苗者最多，莫德納（Moderna）疫苗次之，阿斯特捷利康（AstraZeneca）疫苗最少，研究結果也顯示大眾對這三種主要疫苗的Google搜尋趨勢興趣排名同樣依此順序排列。研究指出，如果要推動疫苗接種，應該廣泛地調查公眾心理健康，藉由完整的疫苗接種計劃結合改善公眾心理健康的政策，將有助於對於控制和預防COVID-19。

前景及挑戰

根據前面提及的Google搜尋趨勢分析研究，可以發現有機會將先前提及的方法應用於更多特定疾病和疫苗。以Google搜尋趨勢等網際網路監測傳染病，可以比傳統的傳染病監測方法更廣泛、可行及簡易，特別適用於資源有限的地區。這種方法具有極大的應用潛力，但仍待進一步確認與官方正式數據的相關性，目前還無法作為傳統監控系統的替代方案，只能用於補充現有的系統。此外，疫苗接種若要形成群體免疫，需要大多數民眾共同配合，所以必須制定適當的疫苗接種政策以符合民眾的需求，而政策的擬定須先了解民意。目前的研究結果顯示分析Google搜尋趨勢有助於了解民意的需求，以制定政策克服大眾對接種疫苗的猶豫及顧忌，對於大規模推廣疫苗接種具有正面潛在作用。

延伸閱讀
1. Verma, M. et al. (2018). Google search trends predicting diseaseoutbreaks: an analysis from India. Healthcare informatics research,24(4), 300-308.
2. Awijen, H. et al. (2022). Covid-19 vaccination, fear and anxiety:Evidence from Google search trends. Social Science & Medicine, 297,114820.
3. Wang, S. C., & Chen, Y. C. (2022). Exploration of correlations betweenCOVID-19 vaccination choice and public mental health using GoogleTrend search. Vaccines, 10(12), 2173.