京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“据”说肺癌:百度大数据绘制中国肺癌地图
肺癌,作为癌症中的“头号杀手”,一直备受关注,但受限于传统资源与技术手段,人们对肺癌的关注通常仅集中于单个或少数案例的分析层面,也缺乏全局性的认知。
在今年的肿瘤宣传周中,百度与央视再次合作推出“数说肿瘤”新闻专题,结合百度搜索大数据技术,全面解读网友对肿瘤这一恶性疾病的关注。其中,针对肺癌这一城市居民热点关注的肿瘤类别,百度以其大数据为依据,绘制出中国肺癌关注人群与易感人群的肖像,为肺癌的预防与控制提供了有力的数据支持。
吸烟、雾霾是肺癌的重要诱因
从百度大数据给出的分析来看,相较于其它诱因,网民更加关注“吸烟”与“雾霾”这两大杀手对肺癌的影响。
数据显示,网民每月对“吸烟与肺癌”这个关键词的每月搜索数量高达37.8万,高居榜首。可见,人们对于吸烟的危害有着较深刻的认识。与此同时,大众对于“雾霾与肺癌”的关系也有着较高程度的关注,每月搜索数量可以达到13.2万,仅次于“吸烟”。由此不难看出网民对于漫天雾霾的恐惧之情,以及对自身生存环境导致罹患肺癌的担忧。
女性、高学历人群更关注肺癌
通过百度的大数据可以看出,女性与高学历人群更加关注“肺癌”以及“吸烟与肺癌”等健康问题。
在百度大数据描绘出的“肺癌”搜索人群的人群画像中,62.56%为男性,37.44%为女性;而“吸烟与肺癌”搜索人群中,66.67%为男性,33.33%为女性。虽然从人群数量上看,男性多于女性;但通过数据深度分析,排除男性网民高于女性网民的性别基数干扰,女性关注比例实际上要高于男性。
此外,数据显示,博士与硕士与学士学位人群关注肺癌问题的比例分别为2.74%、3.64%与29.9%,远远高于这三个人群的数量在网民整体数量中所占的比重。由此可以看出,高学历人群中对于肺癌与吸烟等健康问题的关注度远远高于本科以下学历人群。
肺癌关注度低龄化趋势显著
区别于关注其它疾病的人群“高龄化”的现状,百度大数据显示,关注肺癌与吸烟的人群呈低龄化趋势。在关注肺癌的人群中,29岁以下人群的比重占到超过40%,而39岁以下人群所占比重超过95%,肺癌关注低龄化已成为新的趋势。与此同时出现的,是“吸烟”关注低龄化趋势:通过深度分析发现青少年对吸烟特别感兴趣,从关注比例上来看,“19岁以下”与“20-29岁”共同占到超过88%的比重。
大中型城市及沿海担忧度最高
通过百度提供的大数据可以看到,东部沿海以及大中型城市等经济发达地区对于“肺癌”的关注度远远高于中西部欠发达地区,其中,北京、广东、浙江三地民众的关注度分列一二三位。
与此相反的,是高寒地区网民对于“吸烟与肺癌”关注度的攀升,西藏、青海 高于全国平均水平的6-8倍。
百度绘制“肺癌关注图谱”,凸显企业社会责任
基于百度所提供的大数据分析,不难看出,吸烟与雾霾是肺癌的最大诱因,而生活在沿海经济发达地区及大中型城市的女性、高学历人群最为关注肺癌。业内人士指出,百度自成立以来,一直致力于利用自身的技术优势践行企业社会责任,并取得了良好的效果:早在2011年,百度CEO李彦宏与比尔·盖茨签署战略同盟协议,倡导健康生活方式,促进中国与全球健康发展,提出“被吸烟,我不干”的口号,关注吸烟带来的健康问题。2013年第26个世界无烟日,李彦宏更是在国家卫计委组织拍摄的公益广告中,再一次倡导拒绝二手烟。与此同时,百度还与卫计委、中国医学科学院合作,邀请专家对百度百科疾病类词条进行编撰和认证,有效指导患者就医。
据百度企业社会责任部门负责人介绍,本次百度通过大数据绘制的中国“肺癌关注图谱”,希望借此契机普及权威知识,让公众对疾病产生更加直观而全面的认知,同时为癌症的防控提供更加有效的借鉴。利用自身技术和平台解决热点社会民生问题,让更多普通民众有机会享受到科技的普惠价值,始终是百度践行企业社会责任的出发点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22