Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en Argentina

Detalhes bibliográficos
Autor(a) principal: Pablo Wenceslao Orellano
Data de Publicação: 2015
Outros Autores: Julieta Itatí Reynoso, Julián Antman, Osvaldo Argibay
Tipo de documento: Artigo
Idioma: spa
Título da fonte: Cadernos de Saúde Pública
Texto Completo: https://cadernos.ensp.fiocruz.br/ojs/index.php/csp/article/view/5863
Resumo: The aim of this study was to find a model to estimate the incidence of influenza-like illness (ILI) from the Google Trends (GT) related to influenza. ILI surveillance data from 2012 through 2013 were obtained from the National Health Surveillance System, Argentina. Internet search data were downloaded from the GT search engine database using 6 influenza-related queries: flu, fever, cough, sore throat, paracetamol, and ibuprofen. A Poisson regression model was developed to compare surveillance data and internet search trends for the year 2012. The model's results were validated using surveillance data for the year 2013 and results of the Google Flu Trends (GFT) tool. ILI incidence from the surveillance system showed strong correlations with ILI estimates from the GT model (r = 0.927) and from the GFT tool (r = 0.943). However, the GFT tool overestimates (by nearly twofold) the highest ILI incidence, while the GT model underestimates the highest incidence by a factor of 0.7. These results demonstrate the utility of GT to complement influenza surveillance
id FIOCRUZ-5_11b39950cb9a07b40623b0339eedb45c
oai_identifier_str oai:ojs.teste-cadernos.ensp.fiocruz.br:article/5863
network_acronym_str FIOCRUZ-5
network_name_str Cadernos de Saúde Pública
repository_id_str
spelling Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en ArgentinaInfluenza HumanaModelos EpidemiológicosIncidenciaThe aim of this study was to find a model to estimate the incidence of influenza-like illness (ILI) from the Google Trends (GT) related to influenza. ILI surveillance data from 2012 through 2013 were obtained from the National Health Surveillance System, Argentina. Internet search data were downloaded from the GT search engine database using 6 influenza-related queries: flu, fever, cough, sore throat, paracetamol, and ibuprofen. A Poisson regression model was developed to compare surveillance data and internet search trends for the year 2012. The model's results were validated using surveillance data for the year 2013 and results of the Google Flu Trends (GFT) tool. ILI incidence from the surveillance system showed strong correlations with ILI estimates from the GT model (r = 0.927) and from the GFT tool (r = 0.943). However, the GFT tool overestimates (by nearly twofold) the highest ILI incidence, while the GT model underestimates the highest incidence by a factor of 0.7. These results demonstrate the utility of GT to complement influenza surveillanceEl objetivo del presente estudio fue hallar un modelo para estimar la incidencia de enfermedades tipo influenza (ETI), a partir de los términos de búsqueda relacionados recolectados por el Google Trends (GT). Los datos de vigilancia de ETI para los años 2012 y 2013 se obtuvieron del Sistema Nacional de Vigilancia de la Salud de Argentina. Las búsquedas de Internet se obtuvieron de la base de datos del GT, usando 6 términos: gripe, fiebre, tos, dolor de garganta, paracetamol e ibuprofeno. Se desarrolló un modelo de regresión de Poisson a partir de datos del año 2012, y se validó con datos del 2013 y resultados de la herramienta Google Flu Trends (GFT). La incidencia de ETI del sistema de vigilancia presentó fuertes correlaciones con las estimaciones de ETI del GT (r = 0,927) y del GFT (r = 0,943). Sin embargo, el GFT sobreestimó el pico de incidencia por casi el doble, mientras que el modelo basado en el GT subestimó el pico de incidencia por un factor de 0,7. Estos resultados demuestran la utilidad del GT como un complemento para la vigilancia de la influenzaO objetivo deste estudo foi encontrar um modelo para estimar a incidência da síndrome gripal com base nos termos de busca relacionados recolhidos pelo Google Trends (GT). Os dados de monitoramento de síndrome gripal entre 2012 e 2013 foram obtidos no Sistema Nacional de Vigilância de Saúde da Argentina. As pesquisas na Internet foram feitas baseando-se no banco de dados do GT usando 6 termos: gripe, febre, tosse, dor de garganta, paracetamol e ibuprofeno. Um modelo de regressão de Poisson foi desenvolvido valendo-se de dados de 2012. O modelo foi ajustado e validado com dados de 2013 e comparado com os resultados da ferramenta Google Flu Trends (GFT). A incidência de síndrome gripal mostrou uma forte correlação com estimativas do GT (r = 0,927) e GFT (r = 0,943). No entanto, o GFT superestimou o pico de incidência por quase o dobro, e o modelo baseado no GT subestimou o pico de incidência por um fator de 0,7. Esses resultados demonstram a utilidade do GT como um suplemento para a vigilância da influenzaReports in Public HealthCadernos de Saúde Pública2015-04-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlapplication/pdfhttps://cadernos.ensp.fiocruz.br/ojs/index.php/csp/article/view/5863Reports in Public Health; Vol. 31 No. 4 (2015): AprilCadernos de Saúde Pública; v. 31 n. 4 (2015): Abril1678-44640102-311Xreponame:Cadernos de Saúde Públicainstname:Fundação Oswaldo Cruz (FIOCRUZ)instacron:FIOCRUZspahttps://cadernos.ensp.fiocruz.br/ojs/index.php/csp/article/view/5863/12269https://cadernos.ensp.fiocruz.br/ojs/index.php/csp/article/view/5863/12270Pablo Wenceslao OrellanoJulieta Itatí ReynosoJulián AntmanOsvaldo Argibayinfo:eu-repo/semantics/openAccess2024-03-06T15:28:58Zoai:ojs.teste-cadernos.ensp.fiocruz.br:article/5863Revistahttps://cadernos.ensp.fiocruz.br/ojs/index.php/csphttps://cadernos.ensp.fiocruz.br/ojs/index.php/csp/oaicadernos@ensp.fiocruz.br||cadernos@ensp.fiocruz.br1678-44640102-311Xopendoar:2024-03-06T13:06:42.720362Cadernos de Saúde Pública - Fundação Oswaldo Cruz (FIOCRUZ)true
dc.title.none.fl_str_mv Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en Argentina
title Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en Argentina
spellingShingle Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en Argentina
Pablo Wenceslao Orellano
Influenza Humana
Modelos Epidemiológicos
Incidencia
title_short Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en Argentina
title_full Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en Argentina
title_fullStr Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en Argentina
title_full_unstemmed Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en Argentina
title_sort Uso de la herramienta Google Trends para estimar la incidencia de enfermedades tipo influenza en Argentina
author Pablo Wenceslao Orellano
author_facet Pablo Wenceslao Orellano
Julieta Itatí Reynoso
Julián Antman
Osvaldo Argibay
author_role author
author2 Julieta Itatí Reynoso
Julián Antman
Osvaldo Argibay
author2_role author
author
author
dc.contributor.author.fl_str_mv Pablo Wenceslao Orellano
Julieta Itatí Reynoso
Julián Antman
Osvaldo Argibay
dc.subject.por.fl_str_mv Influenza Humana
Modelos Epidemiológicos
Incidencia
topic Influenza Humana
Modelos Epidemiológicos
Incidencia
description The aim of this study was to find a model to estimate the incidence of influenza-like illness (ILI) from the Google Trends (GT) related to influenza. ILI surveillance data from 2012 through 2013 were obtained from the National Health Surveillance System, Argentina. Internet search data were downloaded from the GT search engine database using 6 influenza-related queries: flu, fever, cough, sore throat, paracetamol, and ibuprofen. A Poisson regression model was developed to compare surveillance data and internet search trends for the year 2012. The model's results were validated using surveillance data for the year 2013 and results of the Google Flu Trends (GFT) tool. ILI incidence from the surveillance system showed strong correlations with ILI estimates from the GT model (r = 0.927) and from the GFT tool (r = 0.943). However, the GFT tool overestimates (by nearly twofold) the highest ILI incidence, while the GT model underestimates the highest incidence by a factor of 0.7. These results demonstrate the utility of GT to complement influenza surveillance
publishDate 2015
dc.date.none.fl_str_mv 2015-04-01
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://cadernos.ensp.fiocruz.br/ojs/index.php/csp/article/view/5863
url https://cadernos.ensp.fiocruz.br/ojs/index.php/csp/article/view/5863
dc.language.iso.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://cadernos.ensp.fiocruz.br/ojs/index.php/csp/article/view/5863/12269
https://cadernos.ensp.fiocruz.br/ojs/index.php/csp/article/view/5863/12270
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/html
application/pdf
dc.publisher.none.fl_str_mv Reports in Public Health
Cadernos de Saúde Pública
publisher.none.fl_str_mv Reports in Public Health
Cadernos de Saúde Pública
dc.source.none.fl_str_mv Reports in Public Health; Vol. 31 No. 4 (2015): April
Cadernos de Saúde Pública; v. 31 n. 4 (2015): Abril
1678-4464
0102-311X
reponame:Cadernos de Saúde Pública
instname:Fundação Oswaldo Cruz (FIOCRUZ)
instacron:FIOCRUZ
instname_str Fundação Oswaldo Cruz (FIOCRUZ)
instacron_str FIOCRUZ
institution FIOCRUZ
reponame_str Cadernos de Saúde Pública
collection Cadernos de Saúde Pública
repository.name.fl_str_mv Cadernos de Saúde Pública - Fundação Oswaldo Cruz (FIOCRUZ)
repository.mail.fl_str_mv cadernos@ensp.fiocruz.br||cadernos@ensp.fiocruz.br
_version_ 1798943379519700992

Registros relacionados