Google Search Anomalies Before IDSP-Recorded Dengue Outbreak Weeks in India: A Retrospective Multistate Proof- of-Concept Study, 2009–2022

技術要約：インドにおけるIDSP記録デング熱アウトブレイク発生週前のGoogle検索アノマリー（2009–2022年）

問題提起
統合疾病監視プログラム（IDSP）が主に管理しているインドの感染症サーベイランスは、臨床的提示、検査による確定、および階層的な報告への依存による固有の遅延に直面している。デジタル行動データ（インフォデミオロジー）は、リアルタイムに近いサーベイランスのための潜在的なメカニズムを提供するが、従来のGoogleトレンドの活用は、イベント特異的な検出よりも、集計的な相関や予測に焦点を当てることが多かった。さらに、既存の文献は、メディア主導の検索スパイク、アルゴリズムの不安定性、そしてGoogle Flu Trendsの失敗を招いた「ビッグデータの虚栄（big data hubris）」を含む、重大な方法論的危険性を指摘している。特定の州の検索履歴において、定義された検索アノマリーが、記録された個々のデング熱アウトブレイクイベントの直前に、信頼できる形で検出可能であるかどうかを理解することには、依然として重要なギャップが存在する。これは、インドの各州における言語、インターネットアクセス、および健康志向行動の異質性を考慮すると、特に顕著である。

方法論
本研究は、EpiClimデータセット（2009–22年）のIDSP連結デング熱アウトブレイク記録と、州レベルのGoogleトレンドデータを紐付けた、事後的な、多州にわたる、イベントアンカー型の概念実証分析である。

• 研究デザイン: 本分析は、IDSP記録のアウトブレイク週を「イベントアンカー」として扱う。検証された非アウトブレイク週の分母が存在しないため、前向きな感度や特異度を推定するものではない。
• コホート: 主要なコホートは、パンデミックを除外した9つの州における949件のデング熱イベント行で構成される（行動の変化を考慮し、2020年3月1日から2021年12月31日までの期間は除外）。
• データ抽出: 検索関心は、pytrendsを用いて、州/連邦直轄領レベルの「健康（Health）」カテゴリから取得した。抽出ウィンドウは、各アウトブレイク週の前後相対週（−12週から+4週）とした。
• アノマリーの定義:
  • 参照ウィンドウ: −12週から−5週（ベースラインの確立）。
  • 検出ウィンドウ: −4週から−1週（アウトブレイク直前の期間）。
  • 指標: イベント特異的な参照ウィンドウに対して、ロバストzスコアを算出した。「適格なアノマリー」は、検出ウィンドウ内で少なくとも1回発生した、ロバストzスコア2以上のものと定義した。
  • 品質管理: 「HIGH」または「MODERATE」に分類された時系列のみを含めた。抽出された249の時系列のうち、これらの厳格な基準を満たしたのは18のみであった。
• 主要クエリ: 分析では、英語による単一の主要クエリ「dengue」を使用した。多言語辞書も作成したが、一貫性を確保するため、主要なエンドポイントには使用しなかった。
• 統計分析: 主要なエンドポイントは、適格なイベント行における適格なアノマリーの割合であった。副次的な分析には、最初のアノマリーの条件付きタイミング、州レベルの異質性、重複ウェイトの監査（地区報告をユニークな州週に集約）、および検索アノマリーとアウトブレイク症例数とのSpearman順位相関が含まれる。

主な結果

• 検出頻度: パンデミックを除外した949件のデング熱イベント行のうち、303件（31.9%、95% CI 29.0%–35.0%）が、適格な事前イベント検索アノマリーを示した。ユニークな州・デング熱週に集約した場合、検出率は184/640（28.8%）であった。
• タイミング: 検出されたイベントについて、最初の適格なアノマリーの中央値となる条件付きタイミングは、記録されたアウトブレイク週の4週間前（IQR 3–4）であった。しかし、検出された行の61.7%はすでに−4週の時点で陽性であった。これは分布が境界にセンサリングされていることを示しており、信号は必ずしも正確に4週間前に始まるわけではなく、検出ウィンドウがその時点で開いたことを意味する。
• 州の異質性: 検出率は州によって大きく異なり、タミル・ナードゥ州の8.7%からデリーの83.3%までの範囲に及んだ。ウッタル・プラデーシュ州（57.6%）、テランガーナ州（47.6%）、マハーラーシュトラ州（44.5%）では中間的な率が観察された。
• ラグ・マグニチュードの関連性: イベント内のロバストアノマリーと、−4週におけるアウトブレイク関連症例数との間には、弱いが統計的に有意な正の相関が見られた（Spearman ρ = 0.182; 95% CI 0.016–0.311）。注目すべきことに、最も強い相関は−5週（ρ = 0.198）で発生しており、これは歴史的な参照ウィンドウ内に位置するため、記述的であって操作的ではない。
• パンデミックへの感受性: 検出率はパンデミック期間中（57.0%）の方が、パンデミック前（32.0%）よりも大幅に高く、無関係な疾患（マラリアおよび急性下痢性疾患）でも同様の膨張が観察された。これは、主要分析におけるパンデミック期間の除外を正当化するものである。
• 指標の比較: イベント内のロバストアノマリーは症例数と正の相関を示したが、正規化されたGoogleトレンド指数および生のクエリ相対検索ボリューム（RSV）は、信頼区間がゼロを跨ぐ負の点相関を示した。これは、生の州間強度は自己参照的なアノマリーよりも信頼性が低いことを示唆している。

意義と主張
著者は、これらの知見を、既存のインフォデミオロジー文献に対する「検証」ではなく、「警鐘的な補完」として位置づけている。

• 付随的な有用性: 本研究は、Google検索アノマリーは、記録されたデング熱イベントの「意味があるが不完全なサブセット」を捉えていると結論付けている。このデータは、Googleトレンドを、レビュー、照合、および標的を絞った検証のための付随的なサーベイランス信号として使用することを支持しているが、単独の、あるいは前向きに検証された早期警戒システムとして使用することには否定的である。
• 方法論的厳密さ: 本研究は、言語、デジタルアクセス、および都市化といった交絡因子を軽減するために、「州内、自己参照的」なアノマリー定義の必要性を強調している。これらは、州間の比較を無効にする要因である。
• 現在のエビデンスの限界: 著者は、検証された非アウトブレイクの分母が存在しないため、本研究では前向きな運用特性（感度、特異度、誤報の負担）を推定できないことを明示している。また、イベントアンカー型のデザインは、事後的な関連付けには有用であるが、運用上のリードタイムを意味するものではないと述べている。
• 文脈依存性: 州間で検出率に大きな異質性があること（9倍の差）は、デジタルサーベイランスの有用性が、現地の文脈、データ品質、および言語的カバー範囲に強く依存していることを強調している。ある管轄区域（例：デリー）で開発された信号は、ローカルな較正なしには、別の管轄区域（例：タミル・ナドゥ）へそのまま転用できないことを本研究は示している。

要約すると、本論文は、デジタル行動の痕跡にはサーベイランスに関連する情報が含まれているものの、その現在の有用性は、インドにおけるデータ品質、時間的な非定常性（パンデミック中に顕著）、および完全な負のコントロールセットを定義できないことに起因して限定的であると主張している。これらの知見は、自動化された未較正の警告システムの展開ではなく、慎重な信号定義と慎重な解釈を推奨するものである。