Pielęgniarstwo i Zdrowie Publiczne

Piel. Zdr. Publ.
Index Copernicus (ICV) – 69,56
Ogólny współczynnik odrzuceń – 24,41%
ISSN 2082-9876 (print)
ISSN 2451-1870 (online)
Periodyczność – kwartalnik

Pobierz oryginał (EN)

Pielęgniarstwo i Zdrowie Publiczne Nursing and Public Health

2018, tom 8, nr 2, kwiecień-czerwiec, str. 83–88

doi: 10.17219/pzp/84984

Typ publikacji: praca oryginalna

Język publikacji: angielski

Pobierz cytowania:

  • BIBTEX (JabRef, Mendeley)
  • RIS (Papers, Reference Manager, RefWorks, Zotero)

Creative Commons BY-NC-ND 3.0 Open Access

Web browser as a tool for predicting the incidence of influenza

Przeglądarka internetowa jako narzędzie do przewidywania zapadalności na grypę

Sylwia W. Wójcik1,A,B,C,D, Mariusz Duplaga1,A,C,E,F, Marcin Grysztar1,C,D, Paulina Pałka2,B,D

1 Department of Health Promotion, Institute of Public Health, Faculty of Health Sciences, Jagiellonian University Medical College, Cracow, Poland

2 Students’ Scientific Circle of Health Promotion, Institute of Public Health, Faculty of Health Sciences, Jagiellonian University Medical College, Cracow, Poland

Abstract

Background. Infodemiology is focused on the analysis of web content to predict health phenomena. Google Trends (GT) is a free and publicly available service that permits analyses of searches performed with the Google web search engine. With GT it is possible to specify how often certain keywords are searched for.
Objectives. The purpose of the study was to determine the feasibility of using data on the frequency of searches with the Google search engine to predict influenza incidence.
Material and Methods. Using the GT service, data on the frequency of searches for the Polish equivalents of “flu”, “cold” and “fever” in the period of 2014–2016 in Poland were retrieved. Simultaneously, the epidemiological reports prepared by the National Institute of Public Health – National Institute of Hygiene (NIPH-NIH) were obtained for influenza incidence in the same period. Correlations between the variables were assessed using Spearman's rank-order correlation.
Results. A statistically significant correlation was confirmed between the average daily search coefficients (ADSC) for all 3 keywords and weekly influenza incidence according to the NIPH-NIH data. The strongest correlation was found for the ADSC of the word “cold” (r = 0.77; p < 0.05).
Conclusion. The frequency of searches implemented with the Google search engine may be used for predicting the incidence of influenza in the Polish population.

Streszczenie

Wprowadzenie. Infodemiologia zajmuje się analizą treści internetowych w celu przewidywania zjawisk zdrowotnych. Google Trends (GT) to bezpłatny i publicznie dostępny serwis, który pozwala na analizę wyszukiwań w wyszukiwarce internetowej Google. Udostępniane są na nim informacje na temat liczby, pochodzenia, zależności od czasu i głównych regionów zapytań kierowanych do wyszukiwarki Google. Przy pomocy tego serwisu można określić częstości, z jakimi są wyszukiwane określone słowa kluczowe.
Cel pracy. Celem badania było określenie możliwości przewidywania zapadalności na grypę na podstawie częstości wyszukiwań określonych słów w wyszukiwarce Google.
Materiał i metody. Przy pomocy serwisu GT pobrano informacje o dziennych częstościach wyszukiwań dla słów „grypa”, „przeziębienie” i „gorączka” w latach 2014–2016 na terenie Polski. Z meldunków epidemiologicznych NIZP–PZH uzyskano dane na temat liczby zachorowań i zapadalności na grypę. Dokonano oceny korelacji pomiędzy tymi zmiennymi (współczynnik korelacji Spearmana).
Wyniki. Znamienną statystycznie korelację potwierdzono pomiędzy średnimi dziennymi wartościami wyszukiwań (ŚDWW) wszystkich 3 słów kluczowych i zapadalnością na grypę według danych NIZP–PZH. Najsilniejszy związek stwierdzono pomiędzy ŚDWW dla słowa „przeziębienie” i zapadalnością na grypę (ρ = 0,77; p < 0,05).
Wnioski. Analiza częstości wyszukiwań w wyszukiwarce Google pozwala przewidywać trendy w zakresie zapadalności na grypę. Analiza wyszukiwań w Internecie może być uzupełnieniem tradycyjnego monitorowania chorób.

Key words

infodemiology, influenza, Internet searches

Słowa kluczowe

infodemiologia, grypa, wyszukiwania internetowe

Piśmiennictwo (26)

  1. Ernst & Young. Grypa i jej koszty w Polsce. http://adst.mp.pl/s/www/opzg/Grypa-i-jej-koszty-w-Polsce.pdf. Accessed July 6, 2017.
  2. Brydak LB. Grypa znana od stuleci. Fam Med Primary Care Rev. 2014;16(2):181–184.
  3. Niall P, Johnson AS, Mueller J. Updating the accounts: Global mortality of the 1918–1920 “Spanish” influenza epidemic. Bull Hist Med. 2002;76(1):105–115.
  4. WHO. Influenza (Seasonal). http://www.who.int/mediacentre/factsheets/fs211/en/. Accesed July 20, 2017.
  5. Bednarska K, Hallmann-Szelińska E, Kondratiuk K, Rabczenko D, Brydak L. Novelties in influenza surveillance in Poland. Probl Hig Epidemiol. 2016;97(2):101–105.
  6. NIZP-PZH. Statut Narodowego Instytutu Zdrowia Publicznego – Państwowego Zakładu Higieny. http://bip.pzh.gov.pl/public/?id=135929. Accessed July 18, 2017.
  7. Moniz L, Buczak AL, Baugher B, Guven E, Chretien JP. Predicting influenza with dynamical methods. BMC Med Inform Decis Mak. 2016;16(1):134.
  8. Kang M, Zhong H, He J, Rutherford S, Yang F. Using Google Trends for influenza surveillance in South China. PLoS ONE. 2013;8(1):e55205.
  9. Eysenbach G. Infodemiology and infoveillance: Framework for an emerging set of public health informatics methods to analyze search, communication and publication behavior on the Internet. J Med Internet Res. 2009;11(1):e11.
  10. Eysenbach G. Infodemiology and infoveillance tracking online health information and cyber behavior for public health. Am J Prev Med. 2011;40(5 Suppl 2):S154–158.
  11. Nuti SV, Wayda B, Ranasinghe I, et al. The use of Google Trends in health care research: A systematic review. PLoS One. 2014;9(10):e109583.
  12. Carneiro HA, Mylonakis E. Google Trends: A web-based tool for real-time surveillance of disease outbreaks. Clin Infect Dis. 2009;49(10):1557–1564.
  13. Dugas AF, Jalalpour M, Gel Y, et al. Influenza forecasting with Google Flu Trends. PLoS One. 2013;8(2):e56176.
  14. Yang S, Kou SC, Lu F, Brownstein JS, Brooke N, Santillana M. Advances in using Internet searches to track dengue. PLoS Comput Biol. 2017;13(7):e1005607.
  15. Woźniak-Kosek A, Brydak LB. System nadzoru wirusologicznego i epidemiologicznego nad grypą w populacji polskiej – SENTINEL. Fam Med Prim Care Rev. 2013;15(3):483–485.
  16. Commission Implementing Decision of 8 August 2012 amending Decision 2002/253/EC laying down case definitions for reporting communicable diseases to the Community network under Decision No 2119/98/EC of the European Parliament and of the Council.
  17. Google Trends help. https://support.google.com/trends/answer/4365533?hl=pl&ref_topic=13975&visit_id=1-636358970435693241-2516253346&rd=1. Accessed July 18, 2017.
  18. Ginsberg J, Mohebbi MH, Patel RS, Brammer L, Smolinski MS, Brilliant L. Detecting influenza epidemics using search engine query data. Nature. 2009;457(7232):1012–1014.
  19. Seifter A, Schwarzwalder A, Geis K, Aucott J. The utility of “Google Trends” for epidemiological research: Lyme disease as an example. Geospatial Health. 2010;4(2):135–137.
  20. Ortiz JR, Zhou H, Shay DK, Neuzil KM, Fowlkes AL, Goss CH. Monitoring influenza activity in the United States: A comparison of traditional surveillance systems with Google Flu Trends. PLoS One. 2011;6(4):e18687.
  21. Teng Y, Bi D, Xie G, et al. Dynamic forecasting of Zika epidemics using Google Trends. PLoS One. 2017;12(1):e0165085.
  22. Cho S, Sohn CH, Jo MW, et al. Correlation between National Influenza Surveillance Data and Google Trends in South Korea. PLoS Comput Biol. 2013;8(12):e81422.
  23. Signorini A, Segre AM, Polgreen PM. The use of Twitter to track levels of disease activity and public concern in the U.S. during the influenza A H1N1 pandemic. PLoS Comput Biol. 2011;6(5):e19467.
  24. Chan EH, Sahai V, Conrad C, Brownstein JS. Using web search query data to monitor dengue epidemics: A new model for neglected tropical disease surveillance. PLoS Negl Trop Dis. 2011;5(5):e1206.
  25. Glynn RW, Kelly JC, Coffey N, Sweeney KJ, Kerin MJ. The effect of breast cancer awareness month on internet search activity: A comparison with awareness campaigns for lung and prostate cancer. BMC Cancer. 2011;11:442.
  26. Murray G, O’Rourke C, Hogan J, Fenton JE. Detecting internet search activity for mouth cancer in Ireland. Brit J Oral Max Surg. 2016;54(2):163–165.
© Uniwersytet Medyczny im. Piastów Śląskich we Wrocławiu