The aim of this study was to find a model to estimate the incidence of influenza-like illness (ILI) from the Google Trends (GT) related to influenza. ILI surveillance data from 2012 through 2013 were obtained from the National Health Surveillance System, Argentina. Internet search data were downloaded from the GT search engine database using 6 influenza-related queries: flu, fever, cough, sore throat, paracetamol, and ibuprofen. A Poisson regression model was developed to compare surveillance data and internet search trends for the year 2012. The model's results were validated using surveillance data for the year 2013 and results of the Google Flu Trends (GFT) tool. ILI incidence from the surveillance system showed strong correlations with ILI estimates from the GT model (r = 0.927) and from the GFT tool (r = 0.943). However, the GFT tool overestimates (by nearly twofold) the highest ILI incidence, while the GT model underestimates the highest incidence by a factor of 0.7. These results demonstrate the utility of GT to complement influenza surveillance

El objetivo del presente estudio fue hallar un modelo para estimar la incidencia de enfermedades tipo influenza (ETI), a partir de los términos de búsqueda relacionados recolectados por el Google Trends (GT). Los datos de vigilancia de ETI para los años 2012 y 2013 se obtuvieron del Sistema Nacional de Vigilancia de la Salud de Argentina. Las búsquedas de Internet se obtuvieron de la base de datos del GT, usando 6 términos: gripe, fiebre, tos, dolor de garganta, paracetamol e ibuprofeno. Se desarrolló un modelo de regresión de Poisson a partir de datos del año 2012, y se validó con datos del 2013 y resultados de la herramienta Google Flu Trends (GFT). La incidencia de ETI del sistema de vigilancia presentó fuertes correlaciones con las estimaciones de ETI del GT (r = 0,927) y del GFT (r = 0,943). Sin embargo, el GFT sobreestimó el pico de incidencia por casi el doble, mientras que el modelo basado en el GT subestimó el pico de incidencia por un factor de 0,7. Estos resultados demuestran la utilidad del GT como un complemento para la vigilancia de la influenza

O objetivo deste estudo foi encontrar um modelo para estimar a incidência da síndrome gripal com base nos termos de busca relacionados recolhidos pelo Google Trends (GT). Os dados de monitoramento de síndrome gripal entre 2012 e 2013 foram obtidos no Sistema Nacional de Vigilância de Saúde da Argentina. As pesquisas na Internet foram feitas baseando-se no banco de dados do GT usando 6 termos: gripe, febre, tosse, dor de garganta, paracetamol e ibuprofeno. Um modelo de regressão de Poisson foi desenvolvido valendo-se de dados de 2012. O modelo foi ajustado e validado com dados de 2013 e comparado com os resultados da ferramenta Google Flu Trends (GFT). A incidência de síndrome gripal mostrou uma forte correlação com estimativas do GT (r = 0,927) e GFT (r = 0,943). No entanto, o GFT superestimou o pico de incidência por quase o dobro, e o modelo baseado no GT subestimou o pico de incidência por um fator de 0,7. Esses resultados demonstram a utilidade do GT como um suplemento para a vigilância da influenza

O objetivo deste estudo foi encontrar um modelo para estimar a incidência da síndrome gripal com base nos termos de busca relacionados recolhidos pelo Google Trends (GT). Os dados de monitoramento de síndrome gripal entre 2012 e 2013 foram obtidos no Sistema Nacional de Vigilância de Saúde da Argentina. As pesquisas na Internet foram feitas baseando-se no banco de dados do GT usando 6 termos: gripe, febre, tosse, dor de garganta, paracetamol e ibuprofeno. Um modelo de regressão de Poisson foi desenvolvido valendo-se de dados de 2012. O modelo foi ajustado e validado com dados de 2013 e comparado com os resultados da ferramenta Google Flu Trends (GFT). A incidência de síndrome gripal mostrou uma forte correlação com estimativas do GT (r = 0,927) e GFT (r = 0,943). No entanto, o GFT superestimou o pico de incidência por quase o dobro, e o modelo baseado no GT subestimou o pico de incidência por um fator de 0,7. Esses resultados demonstram a utilidade do GT como um suplemento para a vigilância da influenza

The aim of this study was to find a model to estimate the incidence of influenza-like illness (ILI) from the Google Trends (GT) related to influenza. ILI surveillance data from 2012 through 2013 were obtained from the National Health Surveillance System, Argentina. Internet search data were downloaded from the GT search engine database using 6 influenza-related queries: flu, fever, cough, sore throat, paracetamol, and ibuprofen. A Poisson regression model was developed to compare surveillance data and internet search trends for the year 2012. The model's results were validated using surveillance data for the year 2013 and results of the Google Flu Trends (GFT) tool. ILI incidence from the surveillance system showed strong correlations with ILI estimates from the GT model (r = 0.927) and from the GFT tool (r = 0.943). However, the GFT tool overestimates (by nearly twofold) the highest ILI incidence, while the GT model underestimates the highest incidence by a factor of 0.7. These results demonstrate the utility of GT to complement influenza surveillance

El objetivo del presente estudio fue hallar un modelo para estimar la incidencia de enfermedades tipo influenza (ETI), a partir de los términos de búsqueda relacionados recolectados por el Google Trends (GT). Los datos de vigilancia de ETI para los años 2012 y 2013 se obtuvieron del Sistema Nacional de Vigilancia de la Salud de Argentina. Las búsquedas de Internet se obtuvieron de la base de datos del GT, usando 6 términos: gripe, fiebre, tos, dolor de garganta, paracetamol e ibuprofeno. Se desarrolló un modelo de regresión de Poisson a partir de datos del año 2012, y se validó con datos del 2013 y resultados de la herramienta Google Flu Trends (GFT). La incidencia de ETI del sistema de vigilancia presentó fuertes correlaciones con las estimaciones de ETI del GT (r = 0,927) y del GFT (r = 0,943). Sin embargo, el GFT sobreestimó el pico de incidencia por casi el doble, mientras que el modelo basado en el GT subestimó el pico de incidencia por un factor de 0,7. Estos resultados demuestran la utilidad del GT como un complemento para la vigilancia de la influenza

OBJECTIVE: Design an instrument for determining endemic levels or ranges using simple calculations; identify and estimate the parameters related to the dynamic transmission of communicable diseases. METHODS: The parameters for establishing a theoretical curve of expected incidence based on the logistic growth model were identified. The parameters were estimated by nonlinear regression based on the cumulative incidence data from the previous five years. The weekly cumulative incidence of cases of influenza-like illness in Argentina in 2009 was used as an example. It was compared to the 2004-2008 case series in order to determine the cumulative and non-cumulative endemic levels. RESULTS: According to the cumulative endemic levels identified, the country entered the outbreak area in week 2. The data from previous years showed that the maximum expected number of cases or carrying capacity (K) was 1 090 660. When the non-cumulative levels were considered, the outbreak was present in 34 out of 51 weeks. A range of 1.05 to 1.13 was estimated for the basic reproductive rate (R0) in the non-epidemic period from 2004-2008. CONCLUSIONS: The new method facilitated the determination of endemic levels using a simple procedure with the identification of parameters that are important for transmission. Although it has limitations such as the fact that the equation used is more appropriate for evaluating diseases with a pronounced annual cycle and less accurate for cycles of less than 1 year, it can be considered a valuable alternative method for determining endemic ranges and a new contribution to the study of epidemic outbreaks at local health surveillance levels.

OBJETIVO: Diseñar un instrumento para elaborar corredores o canales endémicos mediante cálculos sencillos y, en el caso de enfermedades transmisibles, identificar y estimar parámetros relacionados con la dinámica de la transmisión. MÉTODOS: Se obtuvieron parámetros para elaborar una curva teórica de incidencia esperada, basada en el modelo logístico de crecimiento. Los parámetros se estimaron por medio de una regresión no lineal, a partir de datos de incidencia acumulada de los cinco años anteriores. Se tomó como ejemplo la incidencia semanal acumulada de casos de enfermedad tipo influenza para Argentina en 2009 y se la comparó con la serie de casos de 2004 a 2008 para construir los canales endémicos acumulados y no acumulados. RESULTADOS: De acuerdo a los canales endémicos acumulados obtenidos, el país entró en zona de brote a partir de la semana dos. El máximo número esperado de casos o capacidad de carga (K) de acuerdo a los datos de años previos fue de 1 090 660. Considerando los corredores no acumulados, la situación de brote se presentó en 34 de las 51 semanas. Se estimó un rango para la tasa básica de reproducción (R0) de 1,05 a 1,13 para el período no epidémico 2004-2008. CONCLUSIONES: El nuevo método permitió elaborar canales endémicos de una manera sencilla, con la obtención de parámetros importantes para la transmisión. Si bien tiene limitaciones, entre ellas que la ecuación utilizada es más útil para evaluar enfermedades con un ciclo anual marcado y menos exacta para ciclos menores de un año, puede ser considerado como una alternativa valiosa para elaborar corredores endémicos y una nueva contribución al estudio de brotes epidémicos en los niveles locales de vigilancia de la salud.

The impact of school closings on reducing the number of cases of influenza-like illness during an outbreak of influenza A (H1N1), which reached pandemic proportions, was assessed, along with other control measures, in the two main cities of Tierra del Fuego Province in southern Argentina. The incidence before and after the school closings in 2009 was compared by means of the t-test for related samples. By week 40, 6 901 cases of influenza-like illness had been detected, 281 of which were confirmed as influenza A (H1N1) through laboratory tests; 38 patients were hospitalized. After the intervention, there were nearly 10 times fewer cases than the average recorded in the health centers. The results indicate that closing schools during the influenza A (H1N1) outbreak resulted in a significantly lower incidence of influenza-like illness. However, the impact of other measures, such as case management and protection against exposure, should not be ignored. Timely implementation of this intervention, together with other measures, can help minimize the spread of influenza outbreaks.

Se evaluó el efecto del cierre de las escuelas en la reducción del número de casos de enfermedades del tipo influenza durante un brote de influenza A por el virus H1N1, de características pandémicas, en las dos principales ciudades de la provincia de Tierra del Fuego, en la región austral de Argentina, en conjunto con otras medidas de control. Se comparó la incidencia antes y después del cierre de las escuelas en 2009 mediante la prueba de la t para muestras relacionadas. Hasta la semana 40 se detectaron 6 901 casos de enfermedades del tipo influenza, de ellos 281 se confirmaron como influenza A H1N1 mediante pruebas de laboratorio; 38 pacientes recibieron hospitalización. Se observó una reducción de cerca de 10 veces en la incidencia promedio registrada en los centros de salud después de la intervención. Los resultados indican que el cierre de las escuelas durante el brote de influenza A H1N1 se acompañó de una reducción significativa de la incidencia de enfermedades tipo influenza, aunque no se debe descartar el efecto de otras acciones, como el tratamiento de los casos y la profilaxis de sus contactos. Esta intervención, aplicada oportunamente, junto con otras medidas, puede contribuir a reducir la propagación de los brotes de influenza."