Análisis de la ansiedad y la depresión durante la pandemia del COVID-19 mediante Google Trends

  1. Fernando Gordillo León
  2. Lilia Mestas Hernández
Revista:
Ansiedad y estrés

ISSN: 1134-7937

Año de publicación: 2021

Volumen: 27

Número: 2-3

Páginas: 172-177

Tipo: Artículo

DOI: 10.5093/ANYES2021A22 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Ansiedad y estrés

Resumen

Resumen. Los trastornos de ansiedad y depresión tienen una alta prevalencia en la población, en algunas ocasiones generada por situaciones excepcionales como la pandemia del Covid-19. La prevalencia de estos trastornos mentales podría inferirse con Google Trends, una herramienta que analiza las tenencias de búsqueda en Internet por rangos de tiempo y localización geográfica. Con el objetivo de estudiar la relación entre las tendencias de búsqueda de los términos “Ansiedad” y “Depresión” y su prevalencia en España durante la pandemia del Covid-19, se realizó un análisis de búsqueda selectiva a partir de variables geográficas (Madrid, Andalucía, Cataluña) y temporales (semanas año 2020). Se tuvieron en cuenta las palabras “Ansiedad”, “Depresión” y “Covid-19”, para realizar las estimaciones de las tendencias de búsqueda en Google Trends. Los resultados mostraron diferencias significativas entre las comunidades autónomas en el interés por la búsqueda de información sobre depresión, así como una progresión temporal diferente, tanto en ansiedad como en depresión, que reflejaría las fluctuaciones en la evolución de los datos epidemiológicos en cada región geográfica. Herramientas como Google Trends permitirían a la comunidad sanitaria implementar estrategias de prevención ante la detección de picos de preocupación por determinados trastornos mentales en regiones y periodos temporales concretos. Esto resulta especialmente relevante si la prevalencia de estos trastornos en la población puede interferir negativamente con la eficacia de las políticas de prevención y contención sanitaria en situaciones de emergencia.

Referencias bibliográficas

  • Albor, L. y Cano, L. (7 de enero de 2021). Mapa del coronavirus en España, evolución por comunidades. ABC. Recuperado de https://www.abc. es/sociedad/abci-mapa-coronavirus-espana-evolucion-comunidades-202003251848_noticia.html?ref=https:%2F%2Fwww.google. com%2F
  • American Psychiatric Association. The Diagnostic and Statistical Manual of Mental Disorders (DSM-5). Washington, DC: Author; 2013.
  • Ayers, J. W., Leas, E. C., Johnson, D. C., Poliak, A., Althouse, B. M., Dredze, M. y Nobles, A. (2020). Internet Searches for acute anxiety During the early stages of the COVID-19 Pandemic. JAMA International Medicine,180(12), 1706-1707.
  • Charlson, F., van Ommeren, M., Flaxman, A., Cornett, J., Whiteford, H. y Saxena, S. (2020). New WHO prevalence estimates of mental disorders in conflict settings: a systematic review and meta-analysis. Lancet, 394, 240-248.
  • Charpentier, C. J., Aylward, J., Roiser, J. y Robinson, O. J. (2017). Enhanced risk aversion, but not los aversion, in unmedicated pathological anxiety. Biological Psychiatry, 81(12), 1014–1022.
  • Culjak, G., Kowalenko, N. y Tennant, C (2016). Awareness, Access and use of Internet Self-Help websites for depression by university students. JMIR Ment Health, 3(4), e48. https://doi.org/10.2196/mental.5311
  • Dennis-Tiwary, T. A., Krain, A., Denefrio, S. y Myruski, S. (2019). Heterogeneity of the Anxiety-Related attention bias: A review and working model for future research. Clinical Psychological Science, 7(5), 879-899.
  • Esteban-Gonzalo, S., González-Pascual, J. L., Caballero-Galilea, M. y Esteban-Gonzalo L (2020). Psychosocial Correlates of Mental Health and Well-Being During the COVID-19: The Spanish Case. Frontiers in Psychology. 11, 609815.
  • Eysenbach G. (2011). Infodemiology and infoveillance tracking online health information and cyberbehavior for public health. American Journal of Preventive Medicine, 40(5 Suppl 2), S154–8.
  • Fox S. (2003). Americans Search Online for Mental Health, Insurance, and Drug Information. Washington, DC: Pew Research Center.
  • Gluskin, R. T., Johansson, M. A., Santillana, M. y Brownstein, J. S. (2014). Evaluation of Internet-based dengue query data: Google Dengue Trends. Plos Neglected Tropical Diseases, 8(2), e2713.
  • González-Sanguino, C., Ausín, B., Castellanos, M. Á., Saiz, J., López-Gómez, A., Ugidos, C. y Muñoz, M. (2020) Mental Health Consequences of the Coronavirus 2020 Pandemic (COVID-19) in Spain. A Longitudinal Study. Frontiers in Psychiatry 11, 565474.
  • Gulliver, A., Bennett, K., Bennett, A., Farrer, L. M., Reynols, J. y Griffiths, K. M. (2015). Privacy Issues in the Development of a Virtual Mental Health Clinic for University Students: A Qualitative Study. JMIR Mental Health, 2(1), e9.
  • Hartley, C. A. y Phelps, E. A. (2012). Anxiety and Decision-Making. Biol Psychiatry, 72(2), 113-118.
  • Instituto Nacional de Estadística. Encuesta europea de salud en España. http://www.ine. es/prensa/np937.pdf. Consultado el 20 de diciembre de 2020.
  • Kalin, N. H. (2020). Novel insights into pathological anxiety and anxiety-related disorders. American Journal of Psychiatry, 177(3), 187-189.
  • Kang, M., Zhong, H., He, J., Rutherford, S. y Yang, F. (2013). Using Google Trends for influenza surveillance in South China. Plos One. 2013, 8(1), e55205.
  • Kirsch, M. y Windmann, S. (2009). The role of anxiety in decision-making. Review of Psychology, 16(1), 19-28.
  • Leykin, Y., Sewell, C. y DeRubeis, R. J. (2011). Decision-Making and Depressive Symptomatology. Cognitive Therapy Research, 35, 333–341.
  • Montagni, LL., Parizot, I., Horgan, A., González-Caballero, J. L., Almenara-Barrios, J., Lagares-Franco, C., Peralta-Sáez, J. L., Chauvin, P. y Amaddeo, F, (2014). Health & Nursing, 22(2), 333-354.
  • Ortiz, J. R., Zhou, H., Shay, D. K., Neuzil,. K. M., Fowlkes, A. L. y Goss., C. H. (2011). Monitoring influenza activity in the United States: A comparison of traditional surveillance systems with Google Flu Trends. Plos One, 6(4), e18687.
  • Pelat, C., Turbelin, C., Barhen, A., Flahault, A. y Valleron, A. J. (2009). More diseases tracked by using google trends. Emerging Infectious Diseases, 15(8), 1327–8.
  • Selye H. (1946). The general adaptation syndrome and the diseases of adaptation. The Journal of Clinical Endocrinology & Metabolism, 6, 117-184.
  • Selye H. (1956). The Stress of life. New York: McGraw-Hill.
  • Soneri, N., Cameron, D. H., Streiner, D. L., Rowa, K. y McCabe, R. E. (2019). Seasonality patterns of internet searches on mental health: exploratory infodemiology study. JMIR Mental Health, 6(4), e12974.
  • Steel, Z., Marnane, C., Iranpour, C., Chey, T., Jackson, J.W., Patel, V. y Silove, D. (2014). The global prevalence of common mental disorders: a systematic review and meta-analysis 1980-2013. International Journal of Epidemiology, 43(2), 476-93.
  • Sulyok, M., Richter, H., Sulyok, Z., Kapitány-Fövény, M. y Walker, M. D. (2020). Predicting tick-borne encephalitis using Google Trends. Ticks and Tick-borne Diseases, 11(1), 101306.
  • Tamarit, A., de la Barrera, U., Mónaco, E., Schoeps, K. y Montoya-Castilla, I. (2020). Psychological impact of COVID-19 pandemic in Spanish adolescents: risk and protective factors of emotional symptoms. Revista de Psicología Clínica con Niños y Adolescentes, 7(3), 73-80.
  • Ugidos, C., López-Gómez, A., Castellanos, M. A., Saiz, J., González-Sanguino, C., Ausín, B. y Muñoz, M. (2020). Evolution of intersectional perceived discrimination and internalized stigma during COVID-19 lockdown among the general population in Spain. International Journal of Social Psychiatry, 1-9.
  • Valdivia, A., Lopez-Alcalde, J., Vicente, M., Pichiule, M., Ruiz, M. y Ordobas, M. (2010). Monitoring influenza activity in Europe with Google Flu Trends: comparison with the findings of sentinel physician networks—results for 2009–10. Eurosurveillance: bulletin europeen sur les maladies transmisibles. European communicable disease bulletin, 15(29), 2-7.
  • Wang, J., Zhang, T, Lu, Y., Zhou, G., Chen, Q. y Niu B. (2018). Vesicular stomatitis forecasting based on Google Trends. PLoS ONE, 13(1), e0192141.
  • World Health Organization. (2017). Depression and Other Common Mental Disorders. Geneva: Global Health Estimates.
  • Yi, L., Shuo, W., Jianying, W., Guangya, Z., Qiang, Z., Xiang, Z., Bing, N., Qin, C. y Kuo-Chen, C. (2019). An epidemic avian influenza prediction model based on Google Trends. Letters in Organic Chemistry, 16(4), 303-310.
  • Zhou, X., Ye, J. y Feng, Y. (2011). Tuberculosis surveillance by analyzing Google trends. IEEE transactions on bio-medical engineering, 58(8), 2247-54.
Fuente de los datos: Dialnet