通过整合社交媒体与在线药品销售数据预测季节性过敏性鼻炎

背景：过敏性鼻炎是一种高患病率、季节性变化的疾病，对公共卫生构成日益严峻的挑战。基于门诊就诊和调查的传统监测方法速度慢，且可能遗漏自我药疗的患者。将环境监测与搜索查询和在线药品购买等数字痕迹相结合，可能更及时地洞察过敏原暴露、症状意识和药物需求。 方法：我们分析了2022年3月1日至2024年10月15日期间北京市区的每日数据，包括花粉浓度（每1000立方毫米颗粒数）、百度“过敏性鼻炎”搜索指数以及美团平台上4种口服第二代H1抗组胺药（氯雷他定、地氯雷他定、西替利嗪、左西替利嗪）的在线购买率（按每10万人口标准化）。对预白化后的序列计算互相关函数以评估领先-滞后关系。采用单中介回归框架，应用于预白化数据并使用Newey-West异方差和自相关一致标准误进行估计，量化了百度指数在花粉与抗组胺药购买之间的中介作用。使用具有不同外生输入（仅花粉、仅百度指数、两者结合）的ARIMAX (1,1,1)模型和一个朴素的随机游走基准模型来预测1天、2天、3天和7天的需求；使用RMSE、MAPE和Pearson相关系数评估预测性能。 结果：所有三个序列都表现出显著且反复的季节性模式，百度搜索活动在时间上与花粉高峰紧密同步，而抗组胺药购买通常滞后1-2天。预白化后的互相关在滞后0附近仍保持中等水平且统计显著，表明在去除共同的季节性成分后存在真实的同期关联。中介分析显示，花粉浓度对抗组胺药购买率具有显著的总效应（β = 0.34, 95% CI [0.13, 0.54]），其中约47%通过百度指数间接传递（间接效应β = 0.16, 95% CI [0.08, 0.25]）。整合花粉和百度指数的ARIMAX (1,1,1)模型在所有预测时间范围内均取得了最佳预测性能（1天RMSE = 3.80, MAPE = 7.68%, PCC = 0.89），并始终优于单预测因子模型和随机游走基准模型。 结论：花粉暴露通过百度指数捕捉到的公众信息寻求行为，直接和间接地影响抗组胺药需求，整合环境和数字数据能够实现对季节性过敏性鼻炎相关药物使用的及时监测。