Infodemiología del síndrome metabólico
Análisis del comportamiento poblacional de búsqueda web para vigilancia epidemiológica complementaria
Vigilancia poblacional complementaria mediante el comportamiento de búsqueda web
El síndrome metabólico avanza globalmente, pero los sistemas convencionales de vigilancia presentan desfases significativos en detectar tendencias y diferencias geográficas en conciencia poblacional.
El síndrome metabólico es una entidad clínica caracterizada por obesidad abdominal, resistencia a insulina, hipertensión y dislipidemia, y representa un problema de salud pública global en expansión. Los sistemas convencionales de vigilancia epidemiológica detectan los efectos pero no capturan cómo la población percibe el riesgo, busca información o entiende su propia salud.
Era necesario desarrollar metodologías complementarias que permitieran monitorización poblacional del interés en síndrome metabólico y sus enfermedades componentes —hipertensión, diabetes, obesidad central, colesterol y triglicéridos— para informar estrategias de educación sanitaria. El reto consistía en analizar 17 años de datos de búsqueda global mediante Google Trends, evaluar patrones temporales y geográficos, e interpretar los resultados teniendo en cuenta limitaciones inherentes a la epidemiología digital, como la brecha digital, el filtrado de contenidos y las diferencias socioeconómicas en el acceso a internet.
17 años
de datos de búsqueda web analizados a escala global (2004-2020)
6 enfermedades
metabólicas estudiadas: síndrome metabólico y cinco componentes
3 niveles
de desarrollo geográfico comparados según la clasificación de Naciones Unidas
Análisis infodemiológico multi-temporal y multi-geográfico
Epidemiología digital con datos longitudinales globales
Extracción sistemática del volumen relativo de búsquedas (RSV) normalizado de Google Trends en escala 0-100. Análisis de series temporales en tres periodos para evaluar tendencias mediante regresión y correlación de Pearson, junto con el contraste de estacionariedad de las series mediante el test KPSS.
Análisis estadístico con contextualización de sesgos
Tests no paramétricos (Kolmogorov-Smirnov, Kruskal-Wallis) dada la distribución no normal de los datos de búsqueda. Análisis de correlación entre temas para identificar asociaciones en el comportamiento poblacional. Estratificación geográfica según el nivel de desarrollo de los países y consideración explícita de la brecha digital y el acceso desigual a internet durante la interpretación.
Visualizaciones geográficas y temporales
Mapas de calor globales para identificación visual de hotspots de interés sanitario. Series temporales por región para detectar diferencias en evolución del interés poblacional. Análisis comparativos entre síndrome metabólico y sus enfermedades componentes para identificar gaps de conciencia en la población.
Evidencia de gaps en conciencia poblacional sobre síndrome metabólico
Identificación de gaps críticos en conciencia poblacional
El RSV mediano de "síndrome metabólico" (2/100) resultó significativamente inferior al de sus enfermedades componentes (hipertensión 46/100, colesterol 41/100, diabetes 14/100). La correlación negativa con obesidad central (R=-0,70; p<0,001), junto con el menor volumen de búsquedas del término técnico, sugiere un patrón de interés diferente entre el síndrome metabólico y algunos de sus componentes.
Tendencia decreciente y disparidades geográficas
Disminución significativa en el interés por síndrome metabólico durante el periodo estudiado (coeficiente Pearson=-0.71, p<0.001), contrastando con tendencias crecientes en sus enfermedades componentes. Los países desarrollados mostraron mayor volumen de búsqueda que los países en desarrollo (p<0.001), reflejando disparidades en educación sanitaria y acceso a información.
Framework reproducible para vigilancia complementaria
Metodología transferible a la monitorización de otras patologías crónicas, emergentes o reemergentes para complementar los sistemas de vigilancia convencionales. La capacidad demostrada en análisis de big data de comportamiento web abre vías de vigilancia epidemiológica de actualización rápida para informar estrategias de salud pública.
Qué demuestra este caso sobre nuestra forma de trabajar
Experiencia en infodemiología aplicada
Capacidad demostrada en análisis de big data de comportamiento web para vigilancia epidemiológica complementaria, un área emergente en salud pública española.
Metodología robusta con contextualización de sesgos
Consideración de la brecha digital y el nivel de desarrollo en la interpretación de los patrones de búsqueda, evitando conclusiones espurias en estudios globales.
Series temporales largas y análisis estadístico avanzado
Tests no paramétricos, análisis de correlación entre temas y contraste de estacionariedad mediante KPSS para extraer evidencia rigurosa a partir de datos públicos.
Transferibilidad a múltiples patologías
Framework aplicable a la monitorización de conciencia poblacional sobre cualquier enfermedad crónica, emergente o reemergente, complementando la vigilancia convencional.
Conozco a Julia y Rubén desde hace años. Siempre han destacado por su compromiso y profesionalidad. No han dejado de formarse tratando de estar siempre a la vanguardia de las novedades en el campo de la ciencia de datos, aportando buenas ideas en todos los proyectos en los que hemos colaborado.
Dr. Javier Sanz-Valero
Profesor del Departamento de Salud Pública e Historia de la Ciencia, Universidad Miguel Hernández de Elche
Producción científica derivada
Estudio infodemiológico aplicado a la salud ocupacional de enfermedades y trastornos nutricionales
Trends and seasonality of information searches, carried out through Google, on metabolic syndrome and occupational health: infodemiological study
Trends and Seasonality of Information Searches Carried Out through Google on Nutrition and Healthy Diet in Relation to Occupational Health: Infodemiological Study
Capacidades desplegadas en este proyecto
¿Hablamos?
Cuéntanos en qué estás trabajando y te damos una respuesta directa sobre cómo podemos ayudarte.