La infodemiología es la evaluación, con el objetivo de mejorar la salud pública, de la información relacionada con la salud que los usuarios de Internet suben a la red. El término fue acuñado por el investigador canadiense Gunther Eysenbach.[1][2][3]

Imagen del informe 2019 de Mozilla sobre la salud de Internet. La infodemiología estudia la información en línea sobre salud.

Eysenbach utilizó inicialmente el término en el contexto de medir y pronosticar la calidad de la información en Internet sobre salud, es decir, medir la información por el «lado de la oferta».[1]​ Medir la información por el lado de la demanda sería, por ejemplo, evaluar los términos más consultados en buscadores. Posteriormente Eysenbach incluyó en su definición métodos y técnicas diseñados para medir y seguir automáticamente tanto la «demanda» de información sobre salud (p. ej., analizar consultas de búsqueda) como la «oferta» de esta información (p. ej. analizar publicaciones de páginas web, de bitácoras —blogs— y de noticias, por ejemplo a través de la Red Mundial de Inteligencia sobre Salud Pública, GPHIN por sus siglas en inglés) con el objetivo general de evaluar las políticas y prácticas de salud pública. En 2013 se lanzó el proyecto Infovigil para coordinar los esfuerzos de la comunidad de investigadores en pos de este objetivo. Está financiado por los Institutos Canadienses de Investigación Sanitaria.[4]

Eysenbach demostró sus argumentos al hallar una correlación entre las búsquedas en Google relacionadas con la gripe (dato de demanda) y los datos de incidencia[2]​ de esta enfermedad. Demostró que fijándose en estas búsquedas se pueden predecir antes y mejor los acontecimientos de salud pública que con los tradicionales métodos de vigilancia epidemiológica, como informes de médicos centinela.

Los investigadores han aplicado planteamientos infodemiológicos al estudio del contagio del VIH/sida,[5]​ el SARS,[6]​ la gripe,[7][8][9]​ el grado de vacunación,[10][11][11]​ el consumo de antibióticos,[12]​ la incidencia de esclerosis múltiple,[13][14]​ patrones de consumo de alcohol,[15]​ la eficacia de utilizar la web social para la personalización del tratamiento de la salud,[16][17]​ las crisis epilépticas[18][19]​ y la eficacia del evento antitabaco Great American Smokeout.[20]

La infodemiología también se aplica a campos distintos de la salud, como el planeamiento urbanístico,[21]​ las tendencias económicas o las preferencias de los votantes.[22]

Infodemia

editar

A partir de "infodemiología" y "epidemia" ha surgido el término infodemia para describir la proliferación en Internet de noticias sobre salud totalmente falsas o parcialmente incorrectas.[23]​ La Organización Mundial de la Salud se ha reunido con representantes de Google, Facebook, Amazon y Twitter para paliar la difusión de información falsa sobre la epidemia de neumonía por coronavirus de 2019-2020.[23]​ En su reporte de la situación número 86 la Organización Mundial de la Salud define la palabra infodemia como un exceso de información, algunas veces precisa y otras no, que hace muy difícil encontrar fuentes de información fiables y guías adecuadas cuando se necesitan.[24]

Véase también

editar

Referencias

editar
  1. a b Eysenbach, Gunther (Dec 2002). «Infodemiology: The epidemiology of (mis)information». American Journal of Medicine (en inglés) 113 (9): 763-5. PMID 12517369. doi:10.1016/s0002-9343(02)01473-0. 
  2. a b Eysenbach, G (2006). «Infodemiology: tracking flu-related searches on the web for syndromic surveillance.». AMIA ... Annual Symposium Proceedings. AMIA Symposium (en inglés): 244-8. PMC 1839505. PMID 17238340. 
  3. Eysenbach, G (27 de marzo de 2009). «Infodemiology and infoveillance: framework for an emerging set of public health informatics methods to analyze search, communication and publication behavior on the Internet.». Journal of Medical Internet Research (en inglés) 11 (1): e11. PMC 2762766. PMID 19329408. doi:10.2196/jmir.1157. 
  4. Eysenbach, Gunther. «The Infovigil Project». www.infodemiology.org (en inglés). Archivado desde el original el 23 de enero de 2017. Consultado el 12 de noviembre de 2016. 
  5. Eysenbach, Gunther (1 de enero de 2003). «SARS and Population Health Technology». Journal of Medical Internet Research (en inglés) 5 (2): e14. PMC 1550560. PMID 12857670. doi:10.2196/jmir.5.2.e14. 
  6. Ling, Rebecca; Lee, Joon (12 de octubre de 2016). «Disease Monitoring and Health Campaign Evaluation Using Google Search Activities for HIV and AIDS, Stroke, Colorectal Cancer, and Marijuana Use in Canada: A Retrospective Observational Study». JMIR Public Health and Surveillance (en inglés) 2 (2): e156. PMC 5081479. PMID 27733330. doi:10.2196/publichealth.6504. 
  7. Hansen, N. D.; Mølbak, K.; Cox, I. J.; Lioma, C. Seasonal Web Search Query Selection for Influenza-Like Illness (ILI) Estimation. Archivado desde el original el 13 de marzo de 2018. Consultado el 27 de febrero de 2020.  Proceedings of the 40th International ACM SIGIR Conference on Research and Development in Information Retrieval, 1197-1200.
  8. Woo, Hyekyung; Cho, Youngtae; Shim, Eunyoung; Lee, Jong-Koo; Lee, Chang-Gun; Kim, Seong Hwan (4 de julio de 2016). «Estimating Influenza Outbreaks Using Both Search Engine Query Data and Social Media Data in South Korea». Journal of Medical Internet Research (en inglés) 18 (7): e177. ISSN 1438-8871. PMC 4949385. PMID 27377323. doi:10.2196/jmir.4955. 
  9. Lampos, Vasileios; Miller, Andrew C.; Crossan, Steve; Stefansen, Christian (3 de agosto de 2015). «Advances in nowcasting influenza-like illness rates using search query logs». Scientific Reports (en inglés) 5: 12760. ISSN 2045-2322. PMC 4522652. PMID 26234783. doi:10.1038/srep12760. 
  10. Hansen, N. D.; Mølbak, K.; Cox, I. J.; Lioma, C. Time-Series Adaptive Estimation of Vaccination Uptake Using Web Search Queries. Archivado desde el original el 13 de marzo de 2018. Consultado el 27 de febrero de 2020.  Proceedings of the 26th International Conference on World Wide Web, 773-774.
  11. a b Hansen, N. D.; Mølbak, K.; Cox, I. J.; Lioma, C. Ensemble Learned Vaccination Uptake Prediction using Web Search Queries. Archivado desde el original el 13 de marzo de 2018. Consultado el 27 de febrero de 2020.  Proceedings of the 25th ACM International on Conference on Information and Knowledge Management, 1953-1956.
  12. Hansen, N. D.; Mølbak, K.; Cox, I. J.; Lioma, C. Predicting Antimicrobial Drug Consumption Using Web Search Data. Archivado desde el original el 13 de marzo de 2018. Consultado el 27 de febrero de 2020.  Proceedings of the ACM International Conference on Digital Health 2018.
  13. Bragazzi, Nicola Luigi (1 de enero de 2013). «Infodemiology and infoveillance of multiple sclerosis in Italy». Multiple Sclerosis International 2013: 924029. ISSN 2090-2654. PMC 3762202. PMID 24027636. doi:10.1155/2013/924029. 
  14. Brigo, Francesco; Lochner, Piergiorgio; Tezzon, Frediano; Nardone, Raffaele (1 de julio de 2014). «Web search behavior for multiple sclerosis: An infodemiological study». Multiple Sclerosis and Related Disorders 3 (4): 440-443. ISSN 2211-0356. PMID 25877054. doi:10.1016/j.msard.2014.02.005. 
  15. Chan, Kl; Ho, Sy; Lam, Th (2 de septiembre de 2013). «Infodemiology of alcohol use in Hong Kong mentioned on blogs: infoveillance study». Journal of Medical Internet Research 15 (9): e192. ISSN 1438-8871. PMC 3785983. PMID 23999327. doi:10.2196/jmir.2180. 
  16. Fernandez-Luque, Luis; Karlsen, Randi; Bonander, Jason (1 de enero de 2011). «Review of Extracting Information From the Social Web for Health Personalization». Journal of Medical Internet Research (en inglés) 13 (1): e15. PMC 3221336. PMID 21278049. doi:10.2196/jmir.1432. 
  17. Kim, Yoonsang; Huang, Jidong; Emery, Sherry (26 de febrero de 2016). «Garbage in, Garbage Out: Data Collection, Quality Assessment and Reporting Standards for Social Media Data Use in Health Research, Infodemiology and Digital Disease Detection». Journal of Medical Internet Research 18 (2): e41. ISSN 1438-8871. PMC 4788740. PMID 26920122. doi:10.2196/jmir.4738. 
  18. Bragazzi, Nicola Luigi; Bacigaluppi, Susanna; Robba, Chiara; Nardone, Raffaele; Trinka, Eugen; Brigo, Francesco (1 de febrero de 2016). «Infodemiology of status epilepticus: A systematic validation of the Google Trends-based search queries». Epilepsy & Behavior (en inglés) 55: 120-123. ISSN 1525-5069. PMID 26773681. doi:10.1016/j.yebeh.2015.12.017. 
  19. Brigo, Francesco; Otte, Willem M.; Igwe, Stanley C.; Ausserer, Harald; Nardone, Raffaele; Tezzon, Frediano; Trinka, Eugen (1 de diciembre de 2015). «Information-seeking behaviour for epilepsy: an infodemiological study of searches for Wikipedia articles». Epileptic Disorders 17 (4): 460-466. ISSN 1950-6945. PMID 26575365. doi:10.1684/epd.2015.0772. 
  20. Ayers, John W.; Westmaas, J. Lee; Leas, Eric C.; Benton, Adrian; Chen, Yunqi; Dredze, Mark; Althouse, Benjamin M. (1 de junio de 2016). «Leveraging Big Data to Improve Health Awareness Campaigns: A Novel Evaluation of the Great American Smokeout». JMIR Public Health and Surveillance (en inglés) 2 (1): e16. PMC 4869240. PMID 27227151. doi:10.2196/publichealth.5304. 
  21. «Even the most mundane online social commentary can have a purpose». The Irish Times (en inglés). Consultado el 12 de noviembre de 2016. 
  22. Blastland, Michael (14 de diciembre de 2010). «What do Google, Ask and Bing search results mean?». BBC News (en inglés). Consultado el 12 de noviembre de 2016. 
  23. a b «La OMS pide a las tecnológicas combatir la 'infodemia' tras la crisis del coronavirus». El Economista (España). 18 de febrero de 2020. Consultado el 27 de febrero de 2020. 
  24. «Coronavirus disease 2019 (COVID-19) Situation Report – 86».