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
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 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 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10