ABSTRACT
El 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 influenza.
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.
O 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 influenza.