Journal Information
Vol. 24. Issue 1.
Pages 95-96 (January - February 2010)
Visits
Not available
Vol. 24. Issue 1.
Pages 95-96 (January - February 2010)
Carta al Director
Open Access
¿Se puede predecir la epidemia de gripe mediante datos de búsquedas en Internet?
Can the influenza epidemic be predicted by data from the Internet?
Visits
586
Antonio Valdivia Péreza,
Corresponding author
tonyvald@hotmail.com

Autor para correspondencia.
, A.. Ángel Miguel Benitob, Esperanza Escortell Mayorc, Susana Monge Corellad
a Servicio de Medicina Preventiva, Hospital Universitario de la Princesa, Madrid, España
b Servicio de Salud Pública, Servicio Madrileño de Salud, Madrid, España
c Gerencia de Atención Primaria del Área 3, Servicio Madrileño de Salud, Madrid, España
d Instituto de Salud Carlos III, Escuela Nacional de Sanidad, Madrid, España
This item has received

Under a Creative Commons license
Article information
Full Text
Bibliography
Download PDF
Statistics
Figures (1)
Full Text
Sr. Director:

Las epidemias estacionales de gripe se asocian a una elevada morbilidad y mortalidad poblacional, y constituyen un problema de salud pública, al que actualmente se añade una situación de pandemia por la nueva gripe A/H1N1.

En España existe una red centinela de vigilancia de la gripe que reúne información clínica, epidemiológica y microbiológica de ámbito nacional, con un retraso mínimo en la transmisión de los datos1. Sin embargo, para detectar los casos es necesario que el paciente acuda al médico. Según el modelo Zeng-Wagner hay fases previas a este evento que están caracterizadas por la búsqueda de información sobre síntomas y posteriormente sobre la enfermedad que se padece2. Un sistema de vigilancia que detecte estos patrones de búsqueda podría proporcionar información más precoz que los sistemas convencionales sobre los síntomas relacionados con la gripe en la población.

La expansión del acceso a Internet en los países desarrollados ha producido un cambio en las fuentes de información consultadas por pacientes y familiares: gran parte de la población consulta habitualmente en Internet, tanto a través de páginas especializadas como de buscadores generales, en muchos casos antes de acudir a un profesional sanitario35. Estas búsquedas quedan registradas, y se han utilizado con éxito para predecir el comportamiento de la gripe estacional57.

Nuestro objetivo es valorar la capacidad de un modelo basado en las búsquedas registradas para predecir las epidemias de gripe en España.

Se realizó un análisis de la serie temporal desde la semana epidemiológica 1/2004 hasta la 28/2009 (12-18 de julio). Para estimar las búsquedas de términos relacionados con la gripe (TRG) a través de Google en España se utilizó la herramienta Google Trends (www.google.es/trends), que sobre una muestra del total de búsquedas realizadas en Google calcula un índice de volumen de búsquedas para cada término por semana. Como variable resultado se utilizó el estado de epidemia de gripe en la semana siguiente (tasa/100.000 habitantes superior al umbral epidémico, sí/no), obtenido del Sistema de Vigilancia de la Gripe en España (http://vgripe.isciii.es/gripe/inicio.do) (SVG).

La asociación entre el volumen semanal de búsquedas con cada TRG y la situación epidémica en la semana siguiente se analizó con el test de Mann-Whitney. El análisis multivariado se realizó con un modelo de regresión logística. Se eliminaron secuencialmente los términos menos significativos para el modelo (p>0,05 en el test de razón de verosimilitud). Se comprobó el ajuste final con el test de Hosmer-Lemeshow, y la capacidad discriminativa con el área bajo la curva ROC (ABC). Se seleccionó en la curva el punto con mayor sensibilidad y especificidad combinadas, y se calcularon los valores predictivos positivo (VPP) y negativo (VPN) correspondientes.

Los TRG más asociados con epidemia en el análisis bivariado incluyeron síntomas (tos, mocos, fiebre y disnea) y diagnósticos asociados con la gripe (gripe, catarro, faringitis y neumonía). Tras el ajuste multivariado, sólo resultaron significativas en el modelo las búsquedas con los términos «tos» y «neumonia» (sin tilde). La eliminación de los demás términos no produjo pérdidas significativas de verosimilitud (p>0,05). El modelo final resultó globalmente significativo (p<0,001), explicó gran parte de la variabilidad (pseudo R2=0,673) y mostró buen ajuste (Hosmer-Lemeshow p=1,000) y discriminación (ABC=0,977) (fig. 1). Con el punto de corte seleccionado se predijo la epidemia de gripe con una sensibilidad del 95,7%, una especificidad del 91,7%, un VPP del 68,8% y un VPN del 99,1%.

Figura 1.

Curva ROC realizada según el modelo de regresión logística: predicción de epidemia de gripe en la semana siguiente, a partir del volumen de búsquedas en Google con los términos «tos» y «neumonia».

(0.13MB).

Las asociaciones observadas señalan un incremento de las búsquedas de TRG la semana antes de que el SVG detecte un exceso de casos. Esto probablemente se asocia con las conductas iniciales de búsqueda de información2, y confirma lo observado en otros estudios6,7.

Aunque nuestro estudio muestra las ventajas de esta herramienta como alerta temprana de la epidemia de gripe, presenta ciertas limitaciones: utiliza datos aproximados, obtenidos de muestreos automáticos realizados por Google Trends, con errores estándar entre 5 y >10%. En segundo lugar, frente a la ventaja de acceder inmediatamente a una información previa al contacto con el sistema sanitario, no todos los pacientes o familiares consultan en Internet antes de acudir al médico, y no todos los que consultan están enfermos3.

La monitorización de las tendencias de búsqueda puede constituir, a pesar de sus limitaciones, una fuente de información coste-efectiva para predecir las epidemias de gripe y activar los mecanismos de preparación y respuesta, de manera complementaria a los sistemas de vigilancia convencionales.

Contribuciones de autoría

A. Valdivia tuvo la idea inicial, buscó la bibliografía y realizó la recopilación y el análisis de los datos. A. Miguel contribuyó en la búsqueda bibliográfica y en la adquisición de datos. Todos los autores colaboraron en la redacción del borrador inicial, aportaron ideas fundamentales para su desarrollo, realizaron la revisión crítica de los borradores y dieron su aprobación a la versión final.

Financiación

Sin financiación.

Bibliografía
[1]
S. De Mateo, A. Larrauri.
Mesonero C. La vigilancia de la gripe. Nuevas soluciones a un viejo problema.
Gac Sanit, 20 (2006), pp. 67-73
[2]
X. Zeng.
Wagner M. Modeling the effects of epidemics on routinely collected data.
J Am Med Inform Assoc, 9 (2002), pp. S17-S22
[3]
Fox S, Jones S. The social life of health information. American's pursuit of health takes place within a widening network of both online and offline resources. 2009. (Consultado en julio de 2009.) Disponible en: http://www.pewinternet.org/∼/media/Files/Reports/2009/PIP_Health_2009.pdf.
[4]
N. Ortego Centeno, A.C. Barnosi Marín, C.P. Simeón Aznar, et al.
Búsqueda de información en Internet por parte de pacientes de diferentes Comunidades Autónomas con enfermedades autoinmunitarias crónicas.
[5]
A. Hulth, G. Rydevik.
Linde A. Web queries as a source for syndromic surveillance.
[6]
J. Ginsberg, M.H. Mohebbi, R.S. Patel, et al.
Detecting influenza epidemics using search engine query data.
Nature, 457 (2009), pp. 1012-1015
[7]
P.M. Polgreen, Y. Chen, D.M. Pennock, et al.
Using Internet searches for influenza surveillance.
Clin Infect Dis, 47 (2008), pp. 1443-1448
Copyright © 2009. SESPAS
Idiomas
Gaceta Sanitaria
Article options
Tools
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?