与疾病X相关的搜索兴趣大规模数据集

本数据集由埃默里大学计算机科学系开发，涵盖了2018年2月至2023年8月期间全球94个地区的与疾病X相关的搜索兴趣数据。数据集通过Google Trends收集，每月记录一次搜索兴趣，旨在为大流行病准备和研究提供关键数据支持。该数据集的应用领域包括大数据分析、数据挖掘、医疗保健、流行病学和数据分析，特别关注疾病X的研究。This dataset was developed by the Department of Computer Science at Emory University. It comprises search interest data related to Disease X across 94 global regions spanning from February 2018 to August 2023. Collected via Google Trends, the dataset records search interest on a monthly basis, aiming to provide critical data support for pandemic preparedness and research. Its application areas include big data analysis, data mining, healthcare, epidemiology, and data analytics, with a particular focus on research related to Disease X.

搜集汇总

数据集介绍

构建方式

该数据集的构建依托于谷歌趋势（Google Trends）这一公开平台，系统性地挖掘了全球范围内与“疾病X”相关的搜索兴趣数据。研究团队首先将时间跨度设定为2018年2月至2023年8月，以世界卫生组织将“疾病X”纳入重点监测疾病名录的起始月份为起点。通过设定“疾病X”作为主题词，并选择“全球范围”及“所有类别”的搜索设置，获取了初步的全球搜索趋势。随后，利用谷歌趋势的“区域兴趣”功能，筛选出在此期间对“疾病X”表现出显著搜索热度的94个地理区域。针对每个区域，逐月导出其搜索兴趣指数，并以逗号分隔值（CSV）格式保存。最终，借助微软Excel的Power Query工具，将94个独立的CSV文件整合为一个包含94个工作表的Excel工作簿，每个工作表以区域命名，存储该区域逐月的搜索兴趣数据。

特点

该数据集的核心特点在于其大规模、多区域与时间序列的综合性。它涵盖了来自全球94个不同地理区域的搜索兴趣数据，这些区域横跨六大洲，包括新加坡、美国、巴西、印度、日本等，提供了前所未有的地理多样性视角。时间跨度长达五年半（2018年2月至2023年8月），以月为粒度，使得研究者能够细致观察搜索兴趣的动态演变。数据严格遵循FAIR科学数据管理原则，具备可发现性（拥有唯一且永久的DOI）、可访问性（通过DOI在线获取）、互操作性（以标准.xlsx格式存储）和可重用性（支持无限次分析与研究）。此外，数据来源谷歌趋势具有匿名性、实时性和全球覆盖性，相较于传统调查方法，能更高效、低成本地捕捉公众对未知病原体的信息需求与关注度变化。

使用方法

该数据集的使用方法灵活多样，适用于跨学科的研究场景。研究者可直接下载Excel工作簿，利用数据分析工具（如Python的Pandas、R语言或SPSS）读取各区域逐月的搜索兴趣数值（范围0-100）。通过时间序列分析，可揭示特定区域或全球范围内对“疾病X”关注度的波动规律，例如识别关注高峰月份及其与公共卫生事件、媒体报道的关联。结合地理信息系统（GIS）技术，可绘制搜索热度的世界地图，比较不同区域间的差异与相似性。此外，数据可与社交媒体数据、流行病学报告或政策文件进行关联分析，用于构建预测模型、评估公众风险感知或监测信息传播的“翻译鸿沟”。该数据集为大数据、数据挖掘、医疗健康与流行病学等领域的研究者提供了宝贵的基础资源。

背景与挑战

背景概述

在全球公共卫生领域，世界卫生组织于2018年2月将“疾病X”纳入其重点疾病蓝图，用以指代一种可能引发未来大流行的未知病原体。这一概念的提出，旨在推动各国对病毒类别的整体性研究，而非仅针对特定病毒株，从而强化对大流行的预防与应对能力。在此背景下，由埃默里大学Nirmalya Thakur领导的团队于2023年创建了一个大规模数据集，系统收集了2018年2月至2023年8月期间来自全球94个地理区域的与疾病X相关的谷歌搜索兴趣数据。该数据集填补了现有研究在疾病X网络行为数据方面的空白，为大数据、数据挖掘、流行病学及医疗健康等交叉领域提供了关键资源，其遵循FAIR科学数据管理原则，确保了数据的可发现、可访问、可互操作与可重用性，对全球公共卫生准备具有重要的参考价值。

当前挑战

该数据集面临的核心挑战涵盖两大层面。首先，在领域问题层面，疾病X作为一种假设性病原体，其未知性使得传统流行病学监测手段难以直接应用，亟需通过挖掘网络搜索行为来洞察公众的认知、关注与信息需求，然而现有研究多聚焦于已爆发疫情（如COVID-19、流感等），缺乏针对疾病X的针对性数据与分析方法。其次，在构建过程中，数据集依赖谷歌趋势工具，其数据仅反映相对搜索量而非绝对数值，且谷歌未公开完整的算法与数据生成方法论，可能导致结果波动；此外，数据仅涵盖能访问互联网并使用谷歌搜索引擎的用户群体，存在代表性偏差；同时，部分区域因搜索量过低而未被纳入，限制了全球覆盖的完整性。

常用场景

经典使用场景

在公共卫生与流行病学领域，该数据集最经典的使用场景在于追踪与“疾病X”相关的全球公众搜索兴趣演变。研究者可借助Google Trends提供的月度搜索兴趣指数，系统分析94个地理区域在2018年2月至2023年8月期间对“疾病X”的关注程度。通过可视化不同区域的时间序列趋势，能够揭示公众对潜在未知病原体的认知波动，并识别出搜索兴趣激增的关键时间节点与地域分布特征。该场景为理解全球公共卫生意识动态提供了量化基础，尤其适用于探索媒体曝光、政策发布与公众信息需求之间的关联。

实际应用

在实际应用中，该数据集可为全球及地方公共卫生机构提供决策支持框架。例如，当“疾病X”引发潜在疫情时，卫生组织可依据不同区域的搜索兴趣波动，快速识别公众的信息需求热点与误解集中领域，从而制定更具针对性的科普策略与风险沟通方案。此外，结合社交媒体数据，该资源有助于实时监测虚假信息的传播路径，并为疫苗推广、防控措施的宣传效果评估提供基线参考。在供应链与应急响应规划中，搜索兴趣的时空分布还能辅助资源调配的优先级判断，提升整体准备工作的敏捷性与精准度。

衍生相关工作

该数据集的发布催生了一系列衍生性研究工作。首先，基于其提供的多区域时间序列，研究者构建了预测“疾病X”搜索兴趣的机器学习模型，例如结合季节性自回归移动平均（SARIMA）或长短期记忆网络（LSTM），以模拟公众关注度的短期演变。其次，部分工作将该数据集与Twitter、新闻语料库等进行多模态融合，通过情感分析与主题建模揭示搜索行为背后的社会心理动因。此外，也有学者借鉴该数据集的构建范式，开发针对其他新兴传染病（如MPox、新型流感）的类似搜索兴趣数据库，从而扩展了数字流行病学的基础设施，形成了可复用的方法论体系。