编辑推荐：
长新冠作为重大公共卫生问题，现有监测依赖医疗记录存在局限。本研究针对此，利用谷歌趋势数据，分析 33 个搜索词及 20 个相关主题，发现部分症状搜索量可预测长新冠流行，MSV 模型提升预测能力，为 infodemiological 监测提供新方法。
长新冠（Long COVID），即新冠感染后的持续性病症，自疫情爆发以来已成为全球瞩目的重大公共卫生挑战。其定义尚未完全统一，症状多样且缺乏特异性诊断生物标志物，导致临床诊断困难。目前，长新冠的流行率估算差异显著，从 3% 到 87% 不等，这主要源于不同研究依赖的医疗记录仅覆盖就诊人群，大量轻症患者未纳入统计，且缺乏实时、全面的监测手段。此外，长新冠涉及多系统症状，包括疲劳、呼吸困难、脑雾、焦虑等，严重影响患者生活质量，给医疗资源分配和政策制定带来巨大挑战。因此，寻找一种能够补充传统监测的方法，实时、广泛地追踪长新冠的流行趋势，成为亟待解决的问题。
香港教育大学社会科学与政策研究学系等机构的研究人员开展了相关研究，旨在探索谷歌趋势（Google Trends）数据在长新冠症状监测和流行预测中的潜力。研究通过分析谷歌搜索数据，挖掘与长新冠相关的搜索模式，以期为公共卫生监测提供新的视角和工具。该研究成果发表在《Communications Medicine》。
研究主要采用以下关键技术方法：
- 数据采集与处理：从谷歌趋势获取相对搜索量（RSV）数据，覆盖 2020 年 1 月 1 日至 2023 年 12 月 31 日全球范围的 “长新冠” 及 33 个相关症状搜索词（基于美国疾病控制与预防中心（CDC）症状列表及 “scite” 数据库文献）的 20 个相关主题数据。
- 统计方法开发：运用自主开发的统计方法计算合并搜索量（MSV），通过移动窗口法和校正因子处理 RSV 的归一化限制，提升数据分辨率。
- 模型构建与验证：采用向量自回归模型（VAR）结合 LASSO 惩罚项，以 MSV 为变量预测长新冠流行率，并通过根均方误差（RMSE）和平均绝对百分比误差（MAPE）评估模型性能。
研究结果
1. 搜索量与长新冠流行的时间关联
通过对比 “长新冠” 与相关症状的搜索量时间序列，发现 4 个主题（嗅觉丧失（ageusia）、味觉丧失（anosmia）、胸痛（chest pain）、头痛（headaches））的搜索量在 “长新冠” 之前持续升高，而 9 个主题（肌肉疼痛（aching muscle pain）、焦虑（anxiety）、意识模糊（clouding of consciousness）等）在其后升高。 polar projection plot 分析显示，部分症状（如嗅觉 / 味觉丧失）的搜索高峰早于长新冠，反映公众对典型症状的自我诊断需求；心理症状（如焦虑、抑郁）则在后期增多，提示长新冠对心理健康的持续影响。
2. 合并搜索量（MSV）的预测能力
预测研究表明，包含症状 MSV 的 LASSO-VAR 模型较仅使用 “长新冠” MSV 的 ARIMA 模型预测误差更低（RMSE<500，MAPE<10%），且在 21 天预测期内保持稳定。这证实 MSV 可有效提升长新冠流行率预测的准确性，为提前预警提供依据。
3. 数据可靠性与影响因素
尽管部分搜索词（如 “意识模糊”“疑病症”）存在重复请求不稳定问题，但多数 RSV 数据稳定。同时，研究识别出媒体报道、政府政策（如疫苗接种、封锁措施）等混杂因素对搜索量的影响，为后续研究控制变量提供方向。
结论与讨论
本研究证实谷歌趋势数据可作为传统监测的补充手段，通过分析症状搜索量的时间动态，实现长新冠流行的预测与监测。MSV 方法有效克服了 RSV 归一化的局限性，而 VAR 模型结合症状变量显著提升了预测效能。研究结果为 infodemiology（信息流行病学）在长新冠中的应用提供了方法论支持，有助于公共卫生部门实时追踪趋势、优化资源分配，并为公众提供早期预警。
值得注意的是，研究仍存在一定局限性，如搜索词可能未涵盖所有长新冠相关症状，且谷歌使用在不同地区存在差异，可能影响数据代表性。未来研究可进一步纳入更多症状（如英国国家卫生与临床优化研究所（NICE）及世界卫生组织（WHO）指南中的症状），并结合地域特异性数据，提升模型的全面性和准确性。此外，结合临床数据验证搜索量与实际患病率的关联，将进一步强化该方法的实用性。
总体而言，这项研究为应对长新冠的监测挑战提供了创新思路，通过挖掘互联网搜索行为的价值，为全球公共卫生应对慢性传染病后遗症开辟了新路径。
