Keywords
Self-medication
Digital public health
How to Cite
Copyright © | All rights reserved.
The journal holds the exclusive copyright for the publication of this article under the terms of Brazilian law 9610/98.
Partial reproduction
The use of parts of the texts, figures and questionnaire of the article is free, being mandatory the citation of the authors and journal.
Total reproduction
It is expressly prohibited and must be authorized by the journal.
Abstract
Objective: To identify the factors that influence internet searches for "antibiotic," using Brazil as a case study. Methods: This is a quantitative study based on Google Trends data (2018-2022) for the terms "antibiotics," "amoxicillin," "azithromycin," and "cephalexin." Spearman's correlation test was performed to evaluate the relationship between RSV, mortality, and HDI, with a significance level of 5%. Additionally, a descriptive data analysis was conducted. Results: The Northern and Northeastern regions showed the highest search volumes. Spearman's correlation test revealed a positive and significant correlation between RSV for "azithromycin" (rs = 0.7887; p < 0.0001) and "amoxicillin" (rs = 0.7423; p < 0.001) with respiratory disease mortality. A significant negative correlation was observed between HDI and RSV (rs = -0.7223; p < 0.05), indicating that states with lower HDI tend to have higher search volumes for antibiotics. Conclusion: Google Trends has proven to be a useful tool for monitoring antibiotic use and self-medication patterns, especially in regions with low HDI and precarious health services.
References
ARORA VS, et al. Google Trends: Opportunities and limitations in health and health policy research. Health Policy (New York), 2019; 123(3): 338-341.
BATOOI M, et al. How COVID-19 has shaken the sharing economy? An analysis using Google trends data, Economic Research-Ekonomska Istraživanja, 2021; 34 (1): 2374-2386.
BENNADI D. Self medication: a current challenge. Journal of Basic and Clinical Pharmacy, 2013; 5(1): 19-23.
BEZERRA KGD, et al. Infecções urinárias registradas em um laboratório de análises clínicas do sertão paraibano. Anais III CONBRACIS, Campina Grande: Realize Editora, 2018; 2525-6696.
DANTAS MNP, et al. Fatores associados ao acesso precário aos serviços de saúde no Brasil. Revista Brasileira de Epidemiologia, 2020; 24: e210004.
DEL FIOL FS, et al. Consumption trends of antibiotics in Brazil during the COVID-19 pandemic. Frontiers in Pharmacology, 2022; 13: 844818.
EWALD TA, et al. Tendência temporal de mortalidade por doenças do trato gastrointestinal. COORTE - Revista Científica do Hospital Santa Rosa, 2021; 12.
FERRER M, et al. Antibiotic use and microbiome function. Biochemical Pharmacology, 2017; 134: 114-126.
KAMIŃSKI M, et al. Global Internet data on the interest in antibiotics and probiotics generated by Google Trends. Antibiotics, 2019; 8(3): 147.
KOHL M, et al. Cytoscape: software for visualization and analysis of biological networks. In: Cytoscape Software for Visualization and Analysis. 2011; 291-303.
MALCHER CMSR, et al. Automedicação e uso de antibióticos: análise qualitativa em uma comunidade virtual. Research, Society and Development, 2022; 11(11): e25111133191.
MARTINS ALJ, et al. Potential and challenges of health monitoring in the 2030 Agenda in Brazil. Ciência & Saúde Coletiva, 2022; 27(7): 2519-2529.
MEDEIROS KKCO, et al. COVID-19 e o impacto das fake news no uso racional de medicamentos no Brasil e no mundo. Revista JRG de Estudos Acadêmicos, 2022; 5(10): 147-162.
MENEZES AS, et al. A automedicação da população mundial: uma revisão integrativa. Research, Society and Development, 2021; 10(10): e125101018660.
NAVES JOS, et al. Automedicação: uma abordagem qualitativa de suas motivações. Ciência & Saúde Coletiva, 2010; 15(1): 1751-1762.
PEREIRA CM, et al. Antibióticos: percepções dos estudantes do 2o ano do ensino médio de uma escola do Distrito Federal. Anais do XIII Encontro Nacional de Pesquisa em Educação em Ciências, Campina Grande: Realize Editora, 2021; 978-85-61702-70-0.
PULLAN S & DEY M. Vaccine hesitancy and anti-vaccination in the time of COVID-19: A Google Trends analysis. Vaccine, 2021; 39(14): 1877-1881.
ROVETTA A. Raiders of the lost correlation: a guide on using Pearson and Spearman coefficients to detect hidden correlations in medical sciences. Cureus, 2020; 12(11): e11794.
SANTOS RC, et al. A influência da internet no processo de automedicação: uma revisão integrativa. Brazilian Journal of Health Review, 2019; 2(5): 4310-4323.
SCHMID B, et al. Automedicação em adultos de baixa renda no município de São Paulo. Revista de Saúde Pública, 2010; 44( 6): 1039-1045.
SILVA ACS, et al. Avaliação do software Bioestat para o ensino de estatística nos cursos de graduação. Revista da Universidade Vale do Rio Verde, 2014; 12(2): 375-385.
SILVA JUNIOR JG, et al. Auto medicação com antibióticos e suas consequências fisiopatológicas: uma revisão. RIOS Saúde – Revista Científica da Faculdade Sete de Setembro, 2018; 1: 7-17.
SOARES NETO JJ, et al. Programa Mais Médicos, a infraestrutura das Unidades Básicas de Saúde e o Índice de Desenvolvimento Humano Municipal. Ciência & Saúde Coletiva, 2016; 21(9): 2709-2718.
SOUSA AF, et al. Uso de dados do Departamento de Informática do Sistema Único de Saúde (DATASUS) em pesquisas científicas. Revista Científica Multidisciplinar Núcleo do Conhecimento, 2021; 171-185.
SOUZA LF, et al. Automedicação: impactos no tratamento médico e diagnóstico da doença. Brazilian Journal of Implantology and Health Sciences, 2023; 5(5): 6564-6582.
SOUZA VP, et al. Avaliação do conhecimento da população sobre o antibiótico amoxicilina. Publicatio UEPG: Ciências Biológicas e da Saúde, 2019; 25 (2).
XAVIER MS, et al. Automedicação e o risco à saúde: uma revisão de literatura / Self medication and health risk: a literature review. Brazilian Journal of Health Review, 2021; 4(1): 225-240.