Interés público online sobre COVID-19 en Costa Rica utilizando Google Trends, 2019-2021
Contenido principal del artículo
Keywords
COVID-19, Pandemia, Infodemiología, Tendencias de búsqueda, Costa Rica
Resumen
Antecedentes: La pandemia de COVID-19 ha destacado la importancia de las tecnologías de información y comunicación (TIC) en salud pública. La infodemiología permite monitorizar el interés público, ofreciendo herramientas útiles para implementar medidas efectivas. Metodología: Se realizó un estudio infodemiológico retrospectivo, analizando datos de Google Trends sobre COVID-19 y temas relacionados (síntomas, diagnóstico, tratamiento, vacunación) en Costa Rica y sus siete provincias (San José, Cartago, Heredia, Alajuela, Guanacaste, Puntarenas, Limón) entre diciembre de 2019 y diciembre de 2021. Los datos fueron correlacionados con casos oficiales de COVID-19. Resultados: El interés público alcanzó su máximo el 22 de marzo de 2020 (±7 días). Los temas más buscados fueron la situación del país (VBR 100) y las medidas de prevención (VBR 85). El tiempo promedio de reacción fue de 40 días a nivel nacional y 50 días por provincias, mientras que la duración del interés público fue de 49 y 32 días, respectivamente. Aunque no se halló correlación directa entre el volumen de búsqueda y los casos, se identificó una correlación inversa significativa (r=-0.51 a -0.75, p<0.05) entre el interés público y los casos confirmados. Conclusiones: Los hallazgos destacan un mayor interés en medidas de prevención y situación de casos, con menor atención a síntomas y cuarentena. La correlación inversa sugiere un potencial uso predictivo de las búsquedas online para apoyar estrategias de salud pública. El interés público mostró una marcada disminución en los últimos meses de 2021.
Citas
2. Alocución de apertura del Director General de la OMS en la rueda de prensa sobre la COVID-19 celebrada el 11 de marzo de 2020 [Internet]. Organización Mundial de la Salud; 2020 [citado 2021 Oct 18]. Disponible en: https://www.who.int/es/dg/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing-on-covid-19---11-march-2020
3. Holshue ML, DeBolt C, Lindquist S, Lofy KH, Wiesman J, Bruce H, et al. First case of 2019 novel coronavirus in the United States. N Engl J Med. 2020 Mar 5;382(10):929-36.
4. Brasil confirma el primer caso de coronavirus en América Latina. BBC News Mundo [Internet]. [citado 2021 Sep 19]. Disponible en: https://www.bbc.com/mundo/noticias-america-latina-51641436
5. Rodriguez-Morales AJ, Gallego V, Escalera-Antezana JP, Méndez CA, Zambrano LI, Franco-Paredes C, et al. COVID-19 in Latin America: The implications of the first confirmed case in Brazil. Travel Med Infect Dis. 2020;35:101613.
6. Torres I, Sacoto F. Localising an asset-based COVID-19 response in Ecuador. Lancet. 2020 Apr 25;395(10233):1339.
7. PERÚ NEC. La muerte de 99 personas en un día eleva a 1,223 el número de fallecidos en Brasil por coronavirus [Internet]. El Comercio Perú; 2020 [citado 2021 Oct 12]. Disponible en: https://elcomercio.pe/mundo/latinoamerica/coronavirus-en-brasil-en-vivo-hoy-domingo-12-de-abril-ultimas-noticias-infectados-contagiados-muertos-y-resumen-de-hoy-en-directo-brasil-supera-las-1200-muertes-y-los-22000-casos-de-covid-19-ultimo-minuto-noticia/
8. Badillo D. AMLO y sus polémicas declaraciones sobre el coronavirus [Internet]. El Economista; 2020 [citado 2021 Oct 12]. Disponible en: https://www.eleconomista.com.mx/politica/AMLO-y-sus-polemicas-declaraciones-sobre-el-coronavirus-20200321-0001.html
9. Nicaragua, el único país donde los casos de COVID-19 no aumentan, sino que disminuyen [Internet]. [citado 2021 Oct 12]. Disponible en: https://www.aa.com.tr/es/mundo/nicaragua-el-único-país-donde-los-casos-de-covid-19-no-aumentan-sino-que-disminuyen/1812338
10. Burki T. COVID-19 in Latin America. Lancet Infect Dis. 2020 May;20(5):547-8.
11. Leyva Caballero R, Bonal Ruiz R. Voluntad política e intersectorialidad para el enfrentamiento a la COVID-19 en Cuba. Rev Habanera Cienc Méd [Internet]. 2020 Apr [citado 2021 Oct 13];19(2). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_abstract&pid=S1729-519X2020000200017&lng=es&nrm=iso&tlng=es
12. Ugarte KV. Caso confirmado por COVID-19 en Costa Rica [Internet]. Ministerio de Salud Costa Rica; 2020 [citado 2021 Oct 19]. Disponible en: https://www.ministeriodesalud.go.cr/index.php/centro-de-prensa/noticias/741-noticias-2020/1555-caso-confirmado-por-covid-19-en-costa-rica
13. Ministerio de Salud. Sistema Nacional COVID-19 - Costa Rica [Internet]. [citado 2020 Oct 19]. Disponible en: http://geovision.uned.ac.cr/oges/index.html
14. Aoun L, Lakkis N, Antoun J. Prevalence and outcomes of web-based health information seeking for acute symptoms: Cross-sectional study. J Med Internet Res. 2020 Jan 10;22(1):e15148.
15. Li HOY, Bailey A, Huynh D, Chan J. YouTube as a source of information on COVID-19: A pandemic of misinformation? BMJ Glob Health. 2020 May;5(5):e002604.
16. Galán-Rodas E. Recursos de información en internet sobre COVID-19. Rev Hisp Cienc Salud. 2020 Apr 23;6(1):1-3. Disponible en: https://doi.org/10.56239/rhcs.2020.61.413
17. Brownstein JS, Freifeld CC, Madoff LC. Digital disease detection — Harnessing the web for public health surveillance. N Engl J Med. 2009 May 21;360(21):2153-7.
18. Ministerio de Salud de Costa Rica. Decreto Ejecutivo 42227-MP-S [Internet]. 2020 [citado 2021 Oct 15]. Disponible en: https://www.ministeriodesalud.go.cr/sobre_ministerio/prensa/decretos_cvd/decreto_ejecutivo_42227_mp_s_declaratoria_emergencia_nacional.pdf
19. Seifter A, Schwarzwalder A, Geis K, Aucott J. The utility of "Google Trends" for epidemiological research: Lyme disease as an example. Geospat Health. 2010 May;4(2):135-7.
20. Mavragani A, Ochoa G. Google Trends in infodemiology and infoveillance: Methodology framework. JMIR Public Health Surveill. 2019 May 29;5(2):e13439.
21. Verma M, Kishore K, Kumar M, Sondh AR, Aggarwal G, Kathirvel S. Google search trends predicting disease outbreaks: An analysis from India. Healthc Inform Res. 2018 Oct;24(4):300-8.
22. 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 Mar 27;11(1):e11.
23. Eysenbach G. Infodemiology and infoveillance tracking online health information and cyberbehavior for public health. Am J Prev Med. 2011 May;40(5 Suppl 2):S154-8.
24. Zhang Y, Bambrick H, Mengersen K, Tong S, Hu W. Using Google Trends and ambient temperature to predict seasonal influenza outbreaks. Environ Int. 2018 Aug 1;117:284-91.
25. Ortiz-Martínez Y, Garcia-Robledo JE, Vásquez-Castañeda DL, Bonilla-Aldana DK, Rodriguez-Morales AJ. Can Google® Trends predict COVID-19 incidence and help preparedness? The situation in Colombia. Travel Med Infect Dis. 2020;37:101703.
26. Husnayain A, Fuad A, Su ECY. Applications of Google Search Trends for risk communication in infectious disease management: A case study of the COVID-19 outbreak in Taiwan. Int J Infect Dis. 2020 Jun;95:221-3.
27. Ayyoubzadeh SM, Zahedi H, Ahmadi M, Niakan Kalhori SR. Predicting COVID-19 incidence through analysis of Google Trends data in Iran: Data mining and deep learning pilot study. JMIR Public Health Surveill. 2020 Apr 14;6(2):e18828.
28. Berlinberg EJ, Deiner MS, Porco TC, Acharya NR. Monitoring interest in herpes zoster vaccination: Analysis of Google search data. JMIR Public Health Surveill. 2018 May 2;4(2):e10180.
29. Bragazzi NL, Mahroum N. Google Trends predicts present and future plague cases during the plague outbreak in Madagascar: Infodemiological study. JMIR Public Health Surveill. 2019 Mar 8;5(1):e13142.
30. Gianfredi V, Bragazzi NL, Mahamid M, Bisharat B, Mahroum N, Amital H, et al. Monitoring public interest toward pertussis outbreaks: An extensive Google Trends-based analysis. Public Health. 2018 Dec;165:9-15.
31. Kandula S, Shaman J. Reappraising the utility of Google Flu Trends. PLoS Comput Biol. 2019 Aug;15(8):e1007258.
32. Wang HW, Chen DR. Economic recession and obesity-related internet search behavior in Taiwan: Analysis of Google Trends data. JMIR Public Health Surveill. 2018 Apr 6;4(2):e37.
33. Watad A, Watad S, Mahroum N, Sharif K, Amital H, Bragazzi NL, et al. Forecasting the West Nile Virus in the United States: An extensive novel data streams-based time series analysis and structural equation modeling of related digital searching behavior. JMIR Public Health Surveill. 2019 Feb 28;5(1):e9176.
Barra lateral del artículo
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
La RHCS usa la licencia Creative Commons 4.0 Internacional (CC BY 4.0). Para obtener más información, visite https://creativecommons.org/licenses/by/4.0/