探秘网络搜索与疫苗接种的共生效应：解锁公共卫生新视角

研究人员为探究网络搜索与疫苗接种关联，构建模型分析，发现二者存在共生效应及非线性相关性。

　　在数字化时代，网络数据与现实生活的联系日益紧密。互联网搜索引擎成为人们获取信息的重要渠道，尤其是在公共卫生领域，人们对健康信息的搜索行为愈发频繁。与此同时，疫苗接种作为预防和控制传染病的关键手段，其推广和普及备受关注。然而，网络搜索与疫苗接种之间究竟存在怎样的关联？这一问题在公共卫生管理中愈发凸显。

一方面，错误信息和疫苗犹豫等问题严重阻碍了疫苗的广泛接种。错误信息影响公众对疫苗安全性和有效性的认知，而疫苗犹豫在部分地区普遍存在，使得提高全球疫苗接种率面临巨大挑战。另一方面，传统的公共卫生视角难以全面解决这些问题，需要结合社会、行为和信息等多方面因素进行综合分析。在此背景下，为深入探究网络搜索与疫苗接种之间的潜在联系，中国人民公安大学网络舆情治理研究中心的研究人员开展了相关研究。该研究成果发表在《BMC Public Health》上。

研究人员为开展此项研究，采用了多种关键技术方法。首先，对网络数据和社会实体进行量化，将百度搜索指数（BI）作为网络数据的代表，中国的 COVID-19 疫苗接种数据（VI）作为社会实体的代表。然后，进行数据相关性分析，通过计算全局和动态相关系数，判断数据的相关性及研究价值。最后，构建基于 Logistic 模型的数学模型，进行数据建模和分析，探究两者之间的相互影响机制。

在数据建模环境方面，研究人员选择 COVID-19 大流行期间的数据进行研究，因其时间跨度长、空间范围广且具有代表性。在量化数据时，收集 2021 年 3 月 23 日至 2022 年 12 月 23 日的 “COVID-19 疫苗” 百度搜索指数数据，以及同期中国的 COVID-19 疫苗接种日数据，分别作为网络数据和社会实体的量化数据。

在数据相关性分析中，研究人员发现 BI 和 VI 的累积数据相关性更强。通过计算全局相关系数，发现累积数据的相关系数rglobal2=0.992609001 ，高于瞬时数据的相关系数rglobal1=0.782171172。动态相关系数分析也表明，累积数据的动态相关系数波动更小，整体处于较高水平。因此，研究人员选择累积数据作为最终建模数据。

在模型建立过程中，研究人员提出假设，认为百度搜索指数和中国的 COVID-19 疫苗接种的演变符合 Logistic 模型。基于此，构建了基础模型，并通过拟合分析验证了假设的合理性。随后，进一步引入影响函数，构建检测模型，以探究网络搜索和疫苗接种之间的关联机制。在确定影响函数结构时，研究人员对多种结构因素进行分析，通过回归分析和三重检验，筛选出最具代表性的结构因素。

在数据建模部分，对于网络搜索数据建模，发现结构因素x12x2的通过率最高，其影响函数为f1(x1,x2)=a2x12x2（a2>0）。对于 COVID-19 疫苗接种数据建模，结构因素x22x1的通过率最高，影响函数为f2(x1,x2)=bx22x1（b>0）。通过模型比较，发现添加最优结构因素后，模型的拟合度显著提高。

模型分析表明，网络搜索行为与疫苗接种率之间存在正相互作用，即 “共生效应”。具体来说，COVID-19 疫苗接种促进百度搜索指数增加，疫苗的生产和应用引发公众对信息的需求，进而增加在线搜索行为；同时，百度搜索指数也促进疫苗接种量增加，公众对疫苗的关注和搜索增强了自我保护意识，推动了疫苗接种。

在模型应用方面，研究人员通过确定模型参数和平衡点，对未来趋势进行动态预测。结果显示，该模型在部分时间段具有良好的预测能力，如在 192 - 234 天和 578 - 639 天的预测效果较好，能够为公共卫生决策提供有价值的参考。

研究结论表明，网络搜索与疫苗接种之间存在共生效应和非线性相关性。这一发现为公共卫生管理提供了新的理论和实证支持。通过监测网络搜索趋势，相关部门可以及时了解公众对疫苗接种的态度和需求，合理分配医疗资源，制定更有效的疫苗接种政策。同时，该研究也存在一定局限性，如数据来源的局限性、时间框架的限制以及对个体搜索行为分析不足等。未来研究可在这些方面进行改进和拓展，进一步提高模型的准确性和适用性。