利用动态时间变形进行疫情监测：探讨谷歌趋势网络指标与新冠肺炎发病率之间的关系

从谷歌趋势数据派生的网络统计量用于预测新冠肺炎疾病进程的思路正日益受到注意。该方法在菲律宾首都马尼拉国家公用事业局地区得到了应用。通过动态时间变形（DTW），量化了网络指标与新冠肺炎病例轨迹之间的时间对齐程度，并系统性地探索了320种参数配置，包括两个网络指标（网络密度和聚类系数）、两种数据预处理方法（每日数据重新缩放和MSV）、多个阈值、两种相关窗口大小以及酱oe-Chiba带约束。Kruskal-Wallis检验的结果显示，五个参数显著影响对齐质量，其中疾病比较类型（活动病例与确诊病例）的影响最大。最佳配置为使用网络密度统计量、每日数据重新缩放转换、0.8阈值、15天窗口和50天半径约束，获得DTW得分36.30，表明与新冠肺炎确诊病例数据具有显著的时间对齐。这些发现表明，源自在线搜索行为的网络指标可作为都市地区（如马尼拉）疫情监测的补充指标。该策略利用菲律宾在疫情期间广泛的在线使用，为疾病传播提供潜在的早期信号，为资源受限地区的公共卫生监测提供补充工具。