Streszczenie Wykonawcze

Raport ten analizuje i porównuje zakres oraz charakter danych gromadzonych przez Google i Narodowy Fundusz Zdrowia (NFZ), aby odpowiedzieć na pytanie, czy jedna z tych instytucji „wie więcej” o obywatelach, szczególnie w kontekście zdrowia publicznego. Badanie koncentruje się na przykładzie danych dotyczących depresji w Polsce.

Google, poprzez swoje wszechobecne usługi, gromadzi niezwykle szeroki zakres danych behawioralnych w czasie rzeczywistym, odzwierciedlając zainteresowania publiczne, wzorce poszukiwania informacji oraz wnioskowane atrybuty użytkowników. Ta wiedza dotyczy tego, co ludzie myślą, czego szukają i co robią online, często zanim wejdą w interakcję z formalnymi systemami. Jest ona napędzana celami komercyjnymi, takimi jak ulepszanie usług i targetowanie reklam.

Z drugiej strony, NFZ dysponuje precyzyjnymi, klinicznie zweryfikowanymi danymi dotyczącymi zdiagnozowanych schorzeń, wykorzystania opieki zdrowotnej i wyników leczenia. Ta wiedza odnosi się do rzeczywistego obciążenia chorobami i aktywności systemu opieki zdrowotnej, gromadzona jest w celu zarządzania zdrowiem publicznym i alokacji zasobów, w ramach ścisłych ram prawnych i etycznych.

Wnioski wskazują, że żadna z tych instytucji nie „wie więcej” w sensie absolutnym; posiadają one odmienne, lecz równie wartościowe typy informacji do różnych celów. Dane Google są szersze, bardziej natychmiastowe i wychwytują intencje oraz obawy, w tym ukryte obciążenie niezdiagnozowanymi schorzeniami. Dane NFZ są głębsze, dokładniejsze w zakresie prewalencji klinicznej i bezpośrednio powiązane z świadczeniem opieki zdrowotnej.

Potencjał korelacji między tymi źródłami danych istnieje, ale jest złożony i wymaga ostrożnych rozważań metodologicznych, czego dowodzą przeszłe niepowodzenia, takie jak Google Flu Trends. Prawdziwa wartość leży w synergicznej integracji tych odrębnych źródeł danych. Sygnały behawioralne Google w czasie rzeczywistym mogą stanowić wczesne ostrzeżenie o zmieniających się potrzebach zdrowotnych, podczas gdy dane kliniczne NFZ oferują zweryfikowaną prawdę o zdiagnozowanych schorzeniach. Połączone, oferują bardziej kompleksowe, dynamiczne i niuansowe zrozumienie zdrowia populacji niż każde źródło z osobna.

Wprowadzenie: Cyfrowe Ślady a Dane Oficjalne w Kontekście Zdrowia Publicznego

Współczesna era cyfrowa charakteryzuje się bezprecedensowym wzrostem ilości danych generowanych przez jednostki w wyniku ich aktywności online. Ten „cyfrowy ślad” oferuje nowe spojrzenie na trendy społeczne, w tym zachowania i obawy związane ze zdrowiem. Jednocześnie tradycyjne instytucje rządowe i publiczne, takie jak Narodowy Fundusz Zdrowia (NFZ), gromadzą ustrukturyzowane, oficjalne dane do celów administracyjnych, klinicznych i epidemiologicznych.

Centralne pytanie – „Czy Google wie więcej o nas niż rząd?” – nie dotyczy jedynie objętości danych, ale przede wszystkim charakteru, celu, granularności i implikacji informacji posiadanych przez każdą z tych jednostek. Niniejszy raport ma na celu zbadanie tego zagadnienia poprzez porównanie obszernych danych wyszukiwania Google z oficjalnymi statystykami zdrowotnymi NFZ w Polsce, wykorzystując depresję jako kluczowe studium przypadku.

Celem raportu jest przedstawienie kompleksowej analizy mechanizmów gromadzenia danych, ram prawnych dotyczących prywatności oraz porównawczej użyteczności danych wyszukiwania Google i statystyk zdrowotnych NFZ. Szczegółowo zostanie zbadany potencjał korelacji między zapytaniami Google dotyczącymi „depresji” a oficjalnymi danymi NFZ, czerpiąc z istniejących badań akademickich w dziedzinie infodemiologii. Raport jest skonstruowany tak, aby najpierw scharakteryzować każde źródło danych, następnie je porównać, a na końcu wyciągnąć wnioski dotyczące ich komplementarnych ról i implikacji dla polityki zdrowia publicznego.

Charakterystyka Danych Gromadzonych przez Google

Google gromadzi obszerne dane o użytkownikach w ramach swoich produktów, w tym Wyszukiwarki, Gmaila i Dysku, aby dostarczać spersonalizowane usługi i wyświetlać ukierunkowane reklamy.1 Firma tworzy „unikalne identyfikatory”, takie jak anonimowe wirtualne odciski palców, wykorzystując adresy IP i konta Google, co pozwala na śledzenie użytkowników w sieci i zbieranie danych na różnych sesjach i urządzeniach.1 Google rejestruje również sposób korzystania z jego produktów, niezależnie od tego, czy użytkownik jest zalogowany. Na przykład, zautomatyzowane trackery rejestrują kliknięcia i czas spędzony w aplikacjach Google.1 Ponadto pliki cookie stron trzecich śledzą dane o wizytach użytkowników i udostępniają niektóre z nich Google.1

Ogólne mechanizmy gromadzenia danych przez Google (poza wyszukiwarką)

Zakres gromadzenia danych przez Google wykracza daleko poza samą wyszukiwarkę. Obejmuje on szereg popularnych usług:

• Gmail śledzi kliknięcia reklam w aplikacji, osoby i organizacje, z którymi użytkownik koresponduje, oraz jego unikalny identyfikator. Skanuje również zawartość wiadomości e-mail w celu filtrowania spamu i dostarczania inteligentnych funkcji, takich jak automatyczne uzupełnianie zdań.1
• Google Drive przetwarza zawartość plików, w tym Google Docs i Sheets, w celu ochrony przed wirusami i złośliwym oprogramowaniem. Śledzi również szczegóły plików, takie jak typ, rozmiar i historia edycji, a także kontakty, z którymi pliki są udostępniane.1
• YouTube, należący do Google, śledzi historię oglądania, polubienia i komentarze do filmów, subskrypcje kanałów oraz interakcje z reklamami.1
• Google Meet, platforma do połączeń audio/wideo i czatu, uzyskuje dostęp do numeru telefonu i kontaktów Google użytkownika. Wiadomości Meet są przechowywane na serwerach Google z szyfrowaniem, a włączenie napisów na żywo pozwala Google na tymczasowe wykorzystanie treści audio połączeń, które są następnie usuwane.1
• Google Maps wykorzystuje geolokalizację użytkownika do rekomendowania pobliskich firm.1

Co istotne, znaczna część gromadzenia danych przez Google odbywa się nawet wtedy, gdy użytkownik nie jest bezpośrednio zaangażowany w żaden z jego produktów. Przykładowo, badanie wykazało, że bezczynny telefon z systemem Android z uruchomioną przeglądarką Chrome wysyłał dane na serwery firmy średnio 14 razy na godzinę, przez 24 godziny na dobę.2 To podkreśla, jak wszechobecne jest gromadzenie danych przez Google, obejmujące ciągły strumień zachowań użytkowników na wielu platformach, a nawet w tle działania urządzeń. Taka głębia danych behawioralnych tworzy niezwykle bogaty, choć wnioskowany, profil cyfrowego życia jednostek.

Rodzaje danych wyszukiwań i informacji inferowanych o użytkownikach

W kontekście wyszukiwarki Google śledzi wyszukiwane hasła, kliknięte wyniki i reklamy.1 Jednakże, poza jawnymi zapytaniami, Google wykorzystuje algorytmy predykcyjne do „odgadywania” dodatkowych informacji o użytkownikach. Obejmuje to ich hobby, zainteresowania, poglądy polityczne, a nawet ulubione osoby publiczne.1 Co więcej, analiza wzorców wyszukiwania może nawet ujawnić objawy przed formalną diagnozą kliniczną, co stwarza potencjał do wczesnego wykrywania chorób.3

Zdolność Google do wnioskowania o wrażliwych atrybutach, takich jak zainteresowania, poglądy polityczne, a nawet potencjalne schorzenia zdrowotne na podstawie zachowań wyszukiwania, stanowi unikalne, proaktywne spojrzenie na intencje i obawy użytkowników. Tego rodzaju informacje nie są zazwyczaj gromadzone przez tradycyjne, reaktywne dane kliniczne.

Google Trends: Metodologia, anonimizacja, agregacja i normalizacja danych

Google Trends to narzędzie, które zapewnia dostęp do w dużej mierze niefiltrowanej próbki rzeczywistych zapytań wyszukiwania kierowanych do Google.4 Dane te są anonimizowane (nikt nie jest osobiście identyfikowany), kategoryzowane (określanie tematu zapytania) i agregowane (grupowane razem).4 Google Trends normalizuje dane wyszukiwania do skali od 0 do 100, gdzie 100 oznacza szczytową popularność terminu, a wartości niższe są proporcjonalne do niej.4 Normalizacja ta uwzględnia całkowitą liczbę wyszukiwań w danym regionie i przedziale czasowym, co ułatwia porównywanie względnej popularności.4

Narzędzie wyklucza wyszukiwania wykonywane przez bardzo niewielu użytkowników oraz eliminuje powtarzające się zapytania od tego samego użytkownika w krótkim okresie, aby poprawić ogólną dokładność.7 Ważne jest, aby pamiętać, że Google Trends nie jest ankietą naukową i nie należy go mylić z danymi sondażowymi; odzwierciedla jedynie zainteresowanie wyszukiwaniem w określonych tematach.4 Proces próbkowania danych może prowadzić do niespójności, gdzie to samo zapytanie może generować nieco inne wyniki z dnia na dzień.10

Google Trends oferuje potężny, niemal w czasie rzeczywistym, obraz względnego zainteresowania publicznego konkretnymi tematami, w tym zdrowiem. Jednakże jego wrodzona anonimizacja, agregacja, normalizacja i metodologia próbkowania oznaczają, że nie może on dostarczać absolutnych liczb ani bezpośrednio mierzyć prewalencji chorób, co stanowi kluczową różnicę w stosunku do oficjalnych statystyk zdrowotnych. Jest to narzędzie do badania trendów w uwadze publicznej lub zachowaniach poszukiwania informacji, a nie precyzyjne narzędzie epidemiologiczne do zliczania przypadków.

Prywatność danych w Google: Polityka, praktyki i zgodność z RODO

Polityka prywatności Google stanowi, że indywidualnie identyfikowalne informacje o użytkowniku nie są dobrowolnie ujawniane stronom trzecim bez uprzedniego uzyskania zgody.11 Google wykorzystuje pliki cookie do poprawy jakości usług i lepszego zrozumienia wzorców interakcji użytkowników.11 Firma deklaruje, że domyślnie szyfruje dane w spoczynku i stosuje wiele warstw zabezpieczeń, w tym wiodące technologie szyfrowania, takie jak HTTPS i Transport Layer Security.12 Google zobowiązuje się do przestrzegania RODO (Ogólnego Rozporządzenia o Ochronie Danych), które reguluje sposób gromadzenia, wykorzystywania i przechowywania danych osobowych przez firmy, wymagając wyraźnej zgody i zwiększając odpowiedzialność.13

Należy jednak zauważyć, że zgodność z RODO może wiązać się z wysokimi kosztami dla mniejszych firm, co potencjalnie wzmacnia pozycję rynkową dużych platform, takich jak Google, ze względu na ich zdolność do bezproblemowego łączenia danych z wielu oferowanych produktów po uzyskaniu początkowej zgody użytkownika.15 Istnieją również trwające pozwy zbiorowe oskarżające Google o niezgodne z prawem gromadzenie wrażliwych informacji zdrowotnych z witryn opieki zdrowotnej w celach reklamowych przed 2023 rokiem, mimo zapewnień Google, że nie chce takich danych.16

Pomimo deklarowanych polityk prywatności Google i zgodności z RODO, jego model komercyjny z natury rzeczy zachęca do szeroko zakrojonego gromadzenia danych i wnioskowania. Może to prowadzić do bardziej kompleksowego (i potencjalnie inwazyjnego) profilu wnioskowanego o jednostkach niż ten, który posiadają podmioty rządowe. Trwające wyzwania prawne podkreślają napięcie między komercyjnym wykorzystaniem danych a oczekiwaniami użytkowników w zakresie prywatności, zwłaszcza w odniesieniu do wrażliwych informacji zdrowotnych.

Charakterystyka Danych Narodowego Funduszu Zdrowia (NFZ)

Narodowy Fundusz Zdrowia (NFZ) w Polsce pełni kluczową rolę w systemie opieki zdrowotnej, gromadząc obszerne dane dotyczące świadczeń medycznych. Dane te są fundamentalne dla zarządzania systemem, monitorowania stanu zdrowia populacji i planowania zasobów.

Mechanizmy gromadzenia danych o świadczeniach zdrowotnych

Zgodnie z obowiązującymi przepisami, świadczeniodawcy działający w ramach umów z NFZ są zobowiązani do gromadzenia i przekazywania Funduszowi danych dotyczących udzielanych świadczeń zdrowotnych.17 Obowiązek ten obejmuje dane dotyczące każdego świadczenia udzielonego przez lekarza podstawowej opieki zdrowotnej (POZ).17 Świadczeniodawcy muszą prowadzić i przekazywać sprawozdawczość z realizacji świadczeń elektronicznie, w oparciu o obowiązujące zarządzenia.17 Gromadzenie danych osobowych pacjentów odbywa się już na etapie rejestracji do usług zdrowotnych oraz w trakcie ich świadczenia.18

Rodzaje i szczegółowość danych zdrowotnych (rozpoznania ICD-10, demografia, leki)

Portal Statystyki NFZ prezentuje zbiór danych dotyczących świadczeń opieki zdrowotnej w wymiarze ogólnym, rozliczeniowym, medycznym oraz przekrojowym.19 Dane te reprezentują wartości statystyczne i nie stanowią źródła informacji finansowej.19 NFZ gromadzi dane o rozpoznaniach chorób zgodnie z międzynarodową klasyfikacją ICD-10, aż do poziomu 3 znaków, co pozwala na szczegółowe śledzenie konkretnych schorzeń.20 Publicznie dostępne dane mogą być pobierane poprzez API, obejmując statystyki świadczeń, refundacji aptecznej oraz leków w programach lekowych i chemioterapii.19

NFZ analizuje również dane regionalne i demograficzne, takie jak wiek, płeć i miejsce zamieszkania (obszary miejskie/wiejskie), aby lepiej zrozumieć trendy zdrowotne w populacji.21 Na przykład, w raporcie NFZ dotyczącym otyłości, dane są analizowane z podziałem na wiek, płeć i region, wskazując, że problem nadwagi i otyłości zmienia się z wiekiem i jest bardziej widoczny na terenach wiejskich.21

Dane NFZ dostarczają klinicznie zweryfikowanych, ustrukturyzowanych i szczegółowych informacji na temat zdiagnozowanych schorzeń i wykorzystania opieki zdrowotnej. Jest to kluczowe dla dokładnego nadzoru epidemiologicznego, planowania zdrowia publicznego i alokacji zasobów. Dane te stanowią bezpośredni pomiar obciążenia chorobami w ramach systemu opieki zdrowotnej.

Ochrona danych pacjenta: RODO, tajemnica lekarska i prawa pacjenta

Dane osobowe pacjentów, a w szczególności wrażliwe dane dotyczące zdrowia, podlegają szczególnej ochronie prawnej.18 Placówki medyczne mają obowiązek informowania pacjentów o przetwarzaniu ich danych, w tym o tożsamości administratora danych, danych kontaktowych inspektora ochrony danych, celach i podstawach prawnych przetwarzania, odbiorcach danych oraz okresie ich przechowywania.18 Pacjentom przysługują prawa dostępu do danych, ich sprostowania, usunięcia, ograniczenia przetwarzania oraz przenoszenia danych.18

Osoby wykonujące zawód medyczny są zobowiązane do zachowania w tajemnicy informacji związanych z pacjentem, uzyskanych w związku z wykonywaniem zawodu.18 NFZ może przetwarzać dane osobowe lekarzy i pacjentów bez dodatkowej zgody, opierając się na konkretnych przepisach prawnych, które jasno określają zakres i cel przetwarzania.24 Przetwarzanie wrażliwych danych zdrowotnych jest możliwe, gdy jest to niezbędne ze względu na ochronę zdrowia publicznego, np. w celu ochrony przed poważnymi zagrożeniami transgranicznymi, lub w celu zapewnienia wysokich standardów jakości i bezpieczeństwa opieki zdrowotnej.18 Dokumentacja medyczna jest przechowywana przez co najmniej 20 lat.25

W przeciwieństwie do komercyjnego gromadzenia danych przez Google, przetwarzanie danych przez NFZ jest ściśle ograniczone przepisami prawa, przede wszystkim do celów zdrowia publicznego i świadczenia opieki zdrowotnej. Ten prawny mandat i rygorystyczne ramy prywatności (RODO, tajemnica lekarska) zapewniają, że dane są wykorzystywane dla dobra publicznego, minimalizując ryzyko komercyjnej eksploatacji lub niezamierzonego profilowania.

Ograniczenia i wyzwania w danych NFZ (np. kompletność, terminowość)

Mimo szczegółowości i klinicznej dokładności, dane NFZ napotykają na pewne wyzwania. Jednym z istotnych problemów jest niedostateczne raportowanie świadczeń przez niektórych świadczeniodawców. W skrajnych przypadkach stwierdzono, że podmioty nie sprawozdały blisko 99% udzielonych świadczeń, co skutkowało nałożeniem kar umownych.17 Taka niekompletność danych może prowadzić do niedoszacowania rzeczywistego zakresu udzielonej opieki zdrowotnej i potrzeb pacjentów.

Innym wyzwaniem jest terminowość danych. Oficjalne statystyki mogą nie być wystarczająco aktualne, aby szybko reagować na pilne kwestie polityczne. Na przykład, choć audytowane sprawozdania finansowe są dokładne, często są opóźnione o kilka miesięcy, a nawet terminowe dane miesięczne od prywatnych dostawców mogą być mniej dokładne, ponieważ opierają się częściowo na szacunkach.26

Te luki w kompletności i terminowości oznaczają, że wiedza NFZ jest ograniczona przez zgodność z raportowaniem i nieodłączne opóźnienia. Tworzy to obszary, w których szerokie, w czasie rzeczywistym dane behawioralne Google mogłyby potencjalnie zaoferować uzupełniające informacje o niezaspokojonych potrzebach lub pojawiających się problemach, które nie zostały jeszcze uchwycone przez formalny system opieki zdrowotnej.

Porównanie Charakterystyki Danych: Google vs. NFZ

Poniższa tabela przedstawia kluczowe różnice w charakterystyce danych gromadzonych przez Google i Narodowy Fundusz Zdrowia, co pozwala na lepsze zrozumienie ich odmiennych ról i możliwości.

 

Kryterium	Google	NFZ
Cel gromadzenia	Komercyjny (reklamy, ulepszanie usług, profilowanie użytkowników) 1	Publiczny (zarządzanie zdrowiem, planowanie świadczeń, nadzór epidemiologiczny) 17
Rodzaj danych	Behawioralne (wyszukiwania, kliknięcia, lokalizacja, interakcje z aplikacjami, inferowane zainteresowania, poglądy) 1	Kliniczne (diagnozy ICD-10, leki, świadczenia medyczne, historia leczenia) 17
Granularność	Agregowane (Google Trends) 4 / Indywidualne (profilowanie użytkownika) 1	Indywidualne (poziom pacjenta) 18
Terminowość	Real-time / Near real-time (wyszukiwania, trendy) 4	Retrospektywne / Okresowe (raportowanie, często z opóźnieniem) 17
Anonimizacja	Tak (Google Trends) 4 / Nie (profilowanie użytkownika) 1	Tak (w raportach statystycznych) 19 / Nie (dane pierwotne pacjenta) 18
Podstawa prawna/regulacyjna	Polityka prywatności, RODO (General Data Protection Regulation) 11	Ustawy o systemie informacji w ochronie zdrowia, RODO, tajemnica lekarska 18
Główne zastosowanie	Zrozumienie intencji użytkownika, trendów rynkowych, ukierunkowane reklamy, wczesne sygnały behawioralne 1	Nadzór epidemiologiczny, planowanie zasobów opieki zdrowotnej, ocena polityk zdrowotnych, rozliczanie świadczeń 17

Porównanie Danych: Google a NFZ w Kontekście Depresji

Zrozumienie zakresu i specyfiki danych gromadzonych przez Google i NFZ jest kluczowe do oceny, która z tych instytucji może dostarczyć bardziej kompleksowego obrazu problemu zdrowotnego, takiego jak depresja.

Oficjalne statystyki NFZ dotyczące depresji w Polsce (diagnozy, leki refundowane, grupy ryzyka)

Depresja stanowi w Polsce narastający problem zdrowotny i społeczny. Według szacunków Światowej Organizacji Zdrowia (WHO), do 2030 roku depresja może stać się najczęściej występującą chorobą na świecie.29 Ocenia się, że w Polsce na depresję choruje około 1,2 miliona osób.29

Dane NFZ wskazują, że w 2021 roku świadczenia z rozpoznaniem głównym lub współistniejącym depresji udzielono 682 tysiącom pacjentów.29 Liczba ta wzrosła do 809 tysięcy pacjentów w 2023 roku.31 W 2021 roku 1,5 miliona osób wykupiło refundowane leki przeciwdepresyjne, a w 2023 roku liczba ta wzrosła do 1,7 miliona, co stanowi wzrost o 83% w porównaniu do 2013 roku.29 Szczególnie niepokojący jest rosnący odsetek osób poniżej 18. roku życia, dla których zrealizowano recepty na leki przeciwdepresyjne.29

Analiza danych NFZ pokazuje, że zaburzenia depresyjne nawracające wystąpiły u 91 tysięcy osób, z czego ponad 77% stanowiły kobiety. Epizod depresyjny odnotowano u ponad 109 tysięcy osób, z czego 74% to również kobiety.30 Najczęściej diagnozowaną grupą wiekową są osoby w wieku 65-74 lata.31 Raporty NFZ zawierają również dane Zakładu Ubezpieczeń Społecznych (ZUS) dotyczące absencji chorobowej i orzeczeń lekarskich dla celów rentowych z powodu dużej depresji.31

Znacząca rozbieżność między szacowaną liczbą 1,2 miliona osób cierpiących na depresję w Polsce a niższą liczbą zdiagnozowanych pacjentów (682 tys. w 2021 r., 809 tys. w 2023 r.) wskazuje na istotne „ukryte” obciążenie niezdiagnozowaną lub nieleczoną depresją. To właśnie w tym obszarze dane Google, odzwierciedlające spontaniczne zainteresowanie publiczne, mogą oferować cenne informacje na temat szerszych obaw dotyczących zdrowia psychicznego populacji.

Kluczowe Statystyki Dotyczące Depresji w Polsce (Dane NFZ)

 

Statystyka	Wartość	Źródło
Szacowana liczba osób z depresją w Polsce	~1.2 mln	29
Liczba pacjentów z diagnozą depresji (główną/współistniejącą) (2021)	682 tys.	29
Liczba pacjentów z diagnozą depresji (główną/współistniejącą) (2023)	809 tys.	31
Liczba osób, które wykupiły refundowane leki przeciwdepresyjne (2021)	1.5 mln	29
Liczba osób, które wykupiły refundowane leki przeciwdepresyjne (2023)	1.7 mln	31
Odsetek kobiet wśród pacjentów z zaburzeniami depresyjnymi nawracającymi	>77%	30
Najczęściej diagnozowana grupa wiekowa	65-74 lata	31

Analiza trendów wyszukiwań Google dotyczących depresji: wzorce sezonowe, wpływ wydarzeń (np. pandemii COVID-19)

Google Trends jest kluczowym zasobem do zrozumienia publicznego zainteresowania i zachowań związanych z problemami zdrowia psychicznego, śledząc częstotliwość wyszukiwanych terminów w czasie.5 Badania wykorzystujące Google Trends analizowały różnorodne schorzenia psychiczne, w tym lęk, depresję, zaburzenia związane z używaniem substancji psychoaktywnych i samobójstwa.34 Częstotliwość i wzorce konkretnych zapytań wyszukiwania mogą odzwierciedlać rzeczywiste zjawiska, takie jak wzrost liczby wyszukiwań „objawów depresji”, co może wskazywać na odpowiadający wzrost prewalencji lub świadomości tych schorzeń w populacji.34

Badania wykazały znaczące korelacje między intencją wyszukiwania depresji a znanymi czynnikami ryzyka, takimi jak sezonowość (szczyt intensywności w miesiącach zimowych/wczesnej wiosny) i szerokość geograficzna.36 Na przykład, w Stanach Zjednoczonych, intencja wyszukiwania depresji wzrosła o 67% w latach 2010-2021, z przewidywanym dalszym wzrostem o 7,4% do 2025 roku.37 Stwierdzono również, że stany na północnym wschodzie miały wyższą intencję wyszukiwania niż stany na południu, co odzwierciedla korelację między depresją a szerokością geograficzną.36

Pandemia COVID-19 doprowadziła do zauważalnego wzrostu wyszukiwań dotyczących stresu, bólów głowy, migren i tematów związanych ze zdrowiem psychicznym, co odzwierciedlało zwiększone zainteresowanie publiczne i cierpienie psychiczne w tym okresie.8 Google Trends może działać jako „narzędzie nadzoru w czasie rzeczywistym” dla zdrowia psychicznego populacji, potencjalnie dostarczając sygnałów wczesnego wykrywania.34

Trendy wyszukiwania Google dostarczają wiodących wskaźników obaw publicznych, zachowań związanych z poszukiwaniem informacji oraz psychologicznego wpływu wydarzeń społecznych (np. pandemii). Te dane, w czasie rzeczywistym i niezamierzone, mogą oferować cenne informacje na temat pojawiających się potrzeb w zakresie zdrowia psychicznego lub zbiorowego cierpienia, zanim jednostki zgłoszą się po formalną diagnozę lub leczenie.

Potencjał i ograniczenia korelacji między danymi wyszukiwań a oficjalnymi statystykami zdrowotnymi (na przykładzie Google Flu Trends i innych badań infodemiologicznych)

Potencjał:

Dziedzina infodemiologii, badająca informacje zdrowotne w mediach elektronicznych, wykorzystuje Google Trends do zrozumienia obaw i zachowań publicznych.5 Badania wykazały, że Google Trends może być korelowane z danymi z ankiet i systemów nadzoru dla różnych tematów zdrowotnych.5 Przykładowo, systematyczny przegląd wykazał, że 80% badań nadzoru wykorzystujących Google Trends miało współczynnik korelacji Pearsona równy lub większy niż 0,70, gdy były walidowane w stosunku do referencyjnego źródła danych.41 Dzięki anonimizacji danych, Google Trends może dostarczać łatwo dostępne dane na temat wrażliwych tematów zdrowotnych, takich jak zaburzenia psychiczne.5 Może również oferować wgląd w zainteresowanie publiczne dostawcami usług zdrowia psychicznego (np. „psychiatra”, „psychoterapeuta”).28

Ograniczenia i wyzwania (Parabola Google Flu Trends):

Mimo obiecujących zastosowań, narzędzia takie jak Google Trends mają swoje ograniczenia. Google Flu Trends (GFT), projekt mający na celu przewidywanie ognisk grypy na podstawie zapytań wyszukiwania, stał się słynnym przykładem niepowodzenia. GFT znacznie przeszacował prewalencję grypy i całkowicie przegapił pandemię H1N1 w 2009 roku.42

Przyczyny niepowodzenia GFT obejmowały:

• Przeuczenie modelu (overfitting): Metodologia GFT polegała na znajdowaniu najlepszych dopasowań wśród milionów terminów wyszukiwania do ograniczonej liczby punktów danych, co prowadziło do znajdowania przypadkowych korelacji między terminami wyszukiwania a prewalencją grypy, które były strukturalnie niepowiązane (np. wyszukiwania dotyczące „koszykówki w liceum” korelowały z grypą z powodu sezonowości).42
• Dynamika algorytmów: Zmiany w algorytmie wyszukiwania Google (np. sugerowanie potencjalnych diagnoz dla wyszukiwań objawów) mogły zmieniać podstawowy proces generowania danych, czyniąc GFT niestabilnym odzwierciedleniem prewalencji grypy.42
• Rozróżnienie między zainteresowaniem a prewalencją: Wyszukiwanie „objawów grypy” odzwierciedla zaniepokojenie lub poszukiwanie informacji, a niekoniecznie diagnozę.43
• Brak przejrzystości i odtwarzalności: Google nie ujawniło w pełni terminów wyszukiwania ani metodologii, co uniemożliwiło niezależne powielenie analiz.42

Badania dotyczące depresji i samobójstw w Polsce wykorzystujące Google Trends również wykazały mieszane wyniki. Na przykład, badanie dotyczące słów kluczowych związanych z samobójstwami wykazało sezonowe wzorce w próbach samobójczych, ale nie silne korelacje ze szczytami wyszukiwań słów kluczowych.45 Ponadto, Google Trends dostarcza względne wartości, a nie absolutne wolumeny wyszukiwań, co ogranicza bezpośrednie wnioskowanie epidemiologiczne.4

Chociaż Google Trends oferuje obiecujące możliwości zrozumienia zainteresowania i zachowania w zakresie zdrowia publicznego, niepowodzenie Google Flu Trends stanowi wyraźne przypomnienie, że korelacja nie oznacza przyczynowości, a bezpośrednie przełożenie wolumenu wyszukiwań na prewalencję kliniczną jest obarczone wyzwaniami metodologicznymi. Rygorystyczna walidacja, przejrzystość i niuansowe zrozumienie dlaczego ludzie wyszukują informacje są kluczowe dla skutecznych zastosowań infodemiologicznych.

Przykłady Zastosowań i Ograniczeń Google Trends w Badaniach Zdrowotnych

Poniższa tabela podsumowuje zarówno potencjalne zastosowania, jak i istotne ograniczenia Google Trends w kontekście badań zdrowotnych, co jest kluczowe dla zbalansowanej oceny jego użyteczności.

 

Zastosowania Google Trends w Badaniach Zdrowotnych	Ograniczenia Google Trends w Badaniach Zdrowotnych
Wczesne wykrywanie ognisk chorób (np. COVID-19) 8	Brak absolutnych wolumenów wyszukiwań (dane względne, 0-100) 4
Monitorowanie zainteresowania zdrowiem psychicznym (np. stres, samobójstwa, depresja) 8	Niespójności danych z powodu próbkowania 10
Badanie wpływu wydarzeń społecznych (np. pandemii) na zdrowie psychiczne 8	Wrażliwość na zmiany algorytmów Google 42
Identyfikacja trendów sezonowych w chorobach/zainteresowaniu (np. depresja zimą) 36	Odzwierciedla zainteresowanie/poszukiwanie informacji, niekoniecznie rzeczywistą zachorowalność/prewalencję 43
Zrozumienie zachowań poszukiwania informacji o usługach zdrowotnych (np. „psycholog”) 28	Brak przejrzystości w doborze słów kluczowych/algorytmie 42
Dostępność danych w czasie rzeczywistym i bezpłatnie 5	Ograniczona reprezentatywność (tylko użytkownicy internetu Google) 5
Możliwość badania wrażliwych tematów ze względu na anonimizację 5	Ryzyko nadinterpretacji i fałszywych korelacji (np. Google Flu Trends) 42

Wnioski i Implikacje dla Zdrowia Publicznego

Analiza danych gromadzonych przez Google i Narodowy Fundusz Zdrowia ujawnia złożony obraz „wiedzy” o obywatelach, który wykracza poza proste porównanie ilości danych.

Czy Google „wie więcej”? Różnice w naturze, celu i zastosowaniu danych

Google posiada niezrównaną szerokość danych behawioralnych w czasie rzeczywistym, odzwierciedlających zainteresowanie publiczne, wzorce poszukiwania informacji oraz wnioskowane atrybuty.1 Ta „wiedza” dotyczy tego, co ludzie myślą, czego szukają i co robią online, często zanim wejdą w interakcję z formalnymi systemami opieki zdrowotnej. Jej motorem są cele komercyjne, takie jak ulepszanie usług i targetowanie reklam.1

NFZ natomiast dysponuje precyzyjnymi, klinicznie zweryfikowanymi danymi dotyczącymi zdiagnozowanych schorzeń, wykorzystania opieki zdrowotnej i wyników leczenia.17 Ta „wiedza” odnosi się do rzeczywistego obciążenia chorobami i aktywności systemu opieki zdrowotnej, gromadzona jest w celu zarządzania zdrowiem publicznym i alokacji zasobów, w ramach ścisłych ram prawnych i etycznych.18

W świetle tych różnic, żadna z instytucji nie „wie więcej” w sensie absolutnym. Dane Google są szersze, bardziej natychmiastowe i wychwytują intencje oraz obawy, w tym „ukryte” obciążenie niezdiagnozowanymi schorzeniami, co wynika z luki między szacowaną liczbą osób z depresją (1,2 mln) a liczbą zdiagnozowanych przez NFZ (682 tys. w 2021 r., 809 tys. w 2023 r.).29 Dane NFZ są głębsze, dokładniejsze w zakresie prewalencji klinicznej i bezpośrednio powiązane z świadczeniem opieki zdrowotnej. Ostatecznie, wiedzą one różne rzeczy do różnych celów.

Komplementarność źródeł danych: Jak dane Google i NFZ mogą się wzajemnie uzupełniać

Prawdziwa siła leży w synergicznej integracji tych odrębnych źródeł danych. Sygnały behawioralne Google w czasie rzeczywistym mogą stanowić „palec na pulsie” nastrojów społecznych i pojawiających się obaw, podczas gdy dane kliniczne NFZ oferują zweryfikowaną prawdę o zdiagnozowanych schorzeniach i wykorzystaniu opieki zdrowotnej. Połączone, oferują bardziej kompleksowe, dynamiczne i niuansowe zrozumienie zdrowia populacji niż każde źródło z osobna.

• Wczesne ostrzeżenie i nastroje społeczne: Trendy wyszukiwania Google mogą służyć jako system wczesnego ostrzegania o pojawiających się problemach zdrowotnych lub zmianach w potrzebach zdrowia psychicznego społeczeństwa, identyfikując tematy budzące obawy lub cierpienie, zanim zostaną one formalnie zdiagnozowane.34 Jest to szczególnie cenne w przypadku wrażliwych tematów, takich jak zdrowie psychiczne, gdzie stygmatyzacja może opóźniać formalne poszukiwanie pomocy.5
• Zrozumienie niezaspokojonych potrzeb: Luka między szacowaną prewalencją a zdiagnozowanymi przypadkami depresji podkreśla, w jaki sposób dane Google mogą rzucić światło na populację, która jeszcze nie korzysta z formalnego systemu opieki zdrowotnej.
• Ukierunkowane kampanie zdrowia publicznego: Informacje z Google Trends dotyczące popularnych haseł wyszukiwania lub wzorców sezonowych związanych z depresją mogą pomóc w określeniu czasu i treści kampanii podnoszących świadomość społeczną w zakresie zdrowia.
• Walidacja i kontekstualizacja: Oficjalne dane NFZ mogą być wykorzystywane do walidacji lub kontekstualizacji trendów obserwowanych w wyszukiwaniach Google, pomagając odróżnić prawdziwe zjawiska zdrowotne od zwykłej ciekawości publicznej lub skoków wywołanych przez media.
• Ograniczenia samodzielnego wykorzystania: Niepowodzenie Google Flu Trends 42 podkreśla, że dane Google Trends, choć cenne, nie mogą zastąpić oficjalnego nadzoru epidemiologicznego. Jest to narzędzie uzupełniające, a nie substytut.

Wyzwania metodologiczne i etyczne w integracji danych

Integracja danych z tak różnych źródeł wiąże się z szeregiem wyzwań:

• Metodologiczne:

• Heterogeniczność danych: Integracja różnych typów danych (względne wolumeny wyszukiwań vs. absolutne liczby kliniczne) wymaga zaawansowanych technik analitycznych i ostrożnej interpretacji.
• Czynniki zakłócające: Trendy wyszukiwania mogą być wpływane przez relacje medialne, wydarzenia publiczne, a nawet zmiany algorytmów, a nie wyłącznie przez prewalencję chorób.42
• Reprezentatywność: Dane Google Trends odzwierciedlają jedynie użytkowników internetu, potencjalnie wykluczając niektóre grupy demograficzne lub populacje z ograniczonym dostępem.5
• Brak granularności: Google Trends nie dostarcza danych na poziomie indywidualnym, co uniemożliwia bezpośrednią korelację z indywidualnymi rekordami pacjentów.
• Odtwarzalność: Charakter algorytmów Google jako „czarnej skrzynki” oraz brak pełnej przejrzystości mogą utrudniać odtwarzalność badań infodemiologicznych.41

• Etyczne:

• Obawy dotyczące prywatności: Łączenie dużych zbiorów danych z komercyjnych i publicznych źródeł budzi poważne obawy dotyczące prywatności, nawet przy anonimizacji.16 Istnieje ryzyko ponownej identyfikacji lub niezamierzonych wniosków o jednostkach.
• Zarządzanie danymi: Potrzebne są jasne ramy dotyczące dostępu do danych, podziału korzyści, odpowiedzialności i przejrzystości, gdy dane firm prywatnych są wykorzystywane dla dobra publicznego.47
• Uprzedzenia i dyskryminacja: Niewłaściwe wykorzystanie danych zdrowotnych, nawet podstawowych, może prowadzić do dyskryminacji, zwłaszcza w przypadku wrażliwych populacji.47

Rekomendacje dla polityki zdrowotnej i dalszych badań

W celu maksymalizacji korzyści płynących z obu źródeł danych, przy jednoczesnym minimalizowaniu ryzyka, zaleca się następujące działania:

• Dla decydentów politycznych:

• Wykorzystywanie Google Trends jako narzędzia uzupełniającego do wczesnego wykrywania sygnałów i zrozumienia obaw zdrowia publicznego, ale nie jako podstawowego środka epidemiologicznego.
• Inwestowanie w solidne systemy nadzoru zdrowia publicznego (takie jak NFZ) oraz rozwiązywanie problemów z kompletnością i terminowością danych.17
• Promowanie interdyscyplinarnej współpracy między ekspertami ds. zdrowia publicznego, nauki o danych i etyki w celu opracowania najlepszych praktyk integracji różnorodnych źródeł danych.
• Finansowanie badań nad wyzwaniami metodologicznymi infodemiologii, szczególnie w kontekście polskim, w celu poprawy wiarygodności i ważności korelacji.

• Dla badaczy:

• Przestrzeganie rygorystycznych standardów metodologicznych w badaniach infodemiologicznych, w tym jasnej dokumentacji słów kluczowych, ram czasowych, lokalizacji i daty pobrania danych.5
• Priorytetowe traktowanie walidacji w stosunku do referencyjnych źródeł danych.41
• Skupienie się na zrozumieniu czynników stojących za trendami wyszukiwania (np. media, wydarzenia), aby uniknąć błędnej interpretacji.
• Badanie zaawansowanych metod analitycznych (np. uczenia maszynowego) w celu lepszego powiązania danych wyszukiwania z wynikami klinicznymi, przy jednoczesnym uwzględnieniu kwestii etycznych.3

Cytowane prace

1. What Does Google Do With Your Data? – Spike, otwierano: czerwca 11, 2025, https://www.spikenow.com/blog/productivity/what-does-google-know-about-you/
2. Study of Google data collection comes amid increased scrutiny over digital privacy, otwierano: czerwca 11, 2025, https://engineering.vanderbilt.edu/2018/11/01/study-of-google-data-collection-comes-amid-increased-scrutiny-over-digital-privacy/
3. Harnessing Internet Search Data as a Potential Tool for Medical Diagnosis: Literature Review – PMC, otwierano: czerwca 11, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC11862766/
4. FAQ about Google Trends data, otwierano: czerwca 11, 2025, https://support.google.com/trends/answer/4365533?hl=en
5. Google Trends for health research: Its advantages, application, methodological considerations, and limitations in psychiatric and mental health infodemiology, otwierano: czerwca 11, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC10083382/
6. (PDF) Google Trends for health research: Its advantages, application, methodological considerations, and limitations in psychiatric and mental health infodemiology – ResearchGate, otwierano: czerwca 11, 2025, https://www.researchgate.net/publication/369541724_Google_Trends_for_health_research_Its_advantages_application_methodological_considerations_and_limitations_in_psychiatric_and_mental_health_infodemiology
7. Google Trends: Understanding the data., otwierano: czerwca 11, 2025, https://newsinitiative.withgoogle.com/resources/trainings/google-trends-understanding-the-data/
8. Exploring infodemiology: unraveling the intricate relationships among stress, headaches, migraines, and suicide through Google Trends analysis – Frontiers, otwierano: czerwca 11, 2025, https://www.frontiersin.org/journals/big-data/articles/10.3389/fdata.2024.1365417/full
9. Global monitoring of public interest in preventive measures against COVID-19 via analysis of Google Trends: an infodemiology and infoveillance study | BMJ Open, otwierano: czerwca 11, 2025, https://bmjopen.bmj.com/content/12/8/e060715
10. (PDF) Addressing Google Trends inconsistencies – ResearchGate, otwierano: czerwca 11, 2025, https://www.researchgate.net/publication/378830617_Addressing_Google_Trends_inconsistencies
11. Privacy Policy – Privacy & Terms – Google, otwierano: czerwca 11, 2025, https://www.google.com/policies/privacy/archive/20010104-20040701/
12. Privacy & Security FAQs – Google for Education, otwierano: czerwca 11, 2025, https://edu.google.com/intl/ALL_us/our-values/privacy-security/frequently-asked-questions/
13. GDPR and Google Cloud, otwierano: czerwca 11, 2025, https://cloud.google.com/privacy/gdpr
14. GDPR Requirements for Businesses – Business Data Responsibility, otwierano: czerwca 11, 2025, https://business.safety.google/gdpr/
15. Unintended Consequences of GDPR | Regulatory Studies Center | Trachtenberg School of Public Policy & Public Administration | Columbian College of Arts & Sciences | The George Washington University, otwierano: czerwca 11, 2025, https://regulatorystudies.columbian.gwu.edu/unintended-consequences-gdpr
16. Judge thins claims that Google unlawfully collected users’ private health information, otwierano: czerwca 11, 2025, https://www.courthousenews.com/judge-thins-claims-that-google-unlawfully-collected-users-private-health-information/
17. Wyniki kontroli w obszarze prawidłowości sprawozdawania świadczeń lekarza POZ finansowanych kapitacyjną stawką roczną – NFZ, otwierano: czerwca 11, 2025, https://www.nfz.gov.pl/gfx/nfz/userfiles/_public/o_nfz/kontrole/2023/wyniki_kontroli_doraznej_koordynowanej_w_zakresie_sprawozdawczosci_w_poz.pdf
18. Twoje dane są chronione – Pacjent.gov, otwierano: czerwca 11, 2025, http://pacjent.gov.pl/archiwum/2022/twoje-dane-sa-chronione
19. Statystyka NFZ – Start, otwierano: czerwca 11, 2025, https://statystyki.nfz.gov.pl/
20. Liczba pacjentów, dla których w poszczególnych latach odnotowano w danych NFZ zaraportowanie świadczenia z danym kodem rozpoznania głównego wg klasyfikacji ICD-10 (do poziomu 3 znaków) po raz pierwszy. – Dane.gov.pl, otwierano: czerwca 11, 2025, https://dane.gov.pl/pl/dataset/2561,liczba-pacjentow-dla-ktorych-w-poszczegolnych-lata
21. Masa ciała i wzrost. Dane niezbędne dla zdrowia publicznego – Centrala NFZ – Aktualności / Aktualności / Narodowy Fundusz Zdrowia (NFZ) – finansujemy zdrowie Polaków, otwierano: czerwca 11, 2025, https://www.nfz.gov.pl/aktualnosci/aktualnosci-centrali/masa-ciala-i-wzrost-dane-niezbedne-dla-zdrowia-publicznego,8745.html
22. PODSTAWOWA OPIEKA ZDROWOTNA potencjał i jego wykorzystanie – NFZ, otwierano: czerwca 11, 2025, https://www.nfz.gov.pl/download/gfx/nfz/pl/defaultstronaopisowa/349/29/1/poz_-_potencjal_i_jego_wykorzystanie.pdf
23. Polityka prywatności – Pacjent.gov, otwierano: czerwca 11, 2025, http://pacjent.gov.pl/polityka-prywatnosci
24. Dostęp do danych i ich przetwarzanie – Serwis ZOZ, otwierano: czerwca 11, 2025, https://serwiszoz.pl/dostep-do-danych-i-ich-przetwarzanie-304
25. OCHRONA DANYCH OSOBOWYCH – Przemyśl – Fizjoterapia s.c., otwierano: czerwca 11, 2025, https://fizjoterapiapl.pl/rodo/ochrona-danych-osobowych
26. Gaps in Data About Hospital and Health System Finances Limit Transparency for Policymakers and Patients | KFF, otwierano: czerwca 11, 2025, https://www.kff.org/health-costs/issue-brief/gaps-in-data-about-hospital-and-health-system-finances-limit-transparency-for-policymakers-and-patients/
27. Privacy & Terms – Google Policies, otwierano: czerwca 11, 2025, https://policies.google.com/privacy?hl=en-US
28. Google Trends for health research: Its advantages … – Frontiers, otwierano: czerwca 11, 2025, https://www.frontiersin.org/journals/big-data/articles/10.3389/fdata.2023.1132764/full
29. Depresja – źródło cierpienia – Pacjent.gov, otwierano: czerwca 11, 2025, http://pacjent.gov.pl/aktualnosc/depresja-zrodlo-cierpienia
30. Depresja – o zdrowiu bez tabu – Środa z Profilaktyką w OW NFZ, otwierano: czerwca 11, 2025, https://www.nfz.gov.pl/aktualnosci/aktualnosci-oddzialow/depresja-o-zdrowiu-bez-tabu-sroda-z-profilaktyka-w-ow-nfz,648.html
31. NFZ o zdrowiu. Depresja – ezdrowie.gov.pl, otwierano: czerwca 11, 2025, https://ezdrowie.gov.pl/portal/home/zdrowe-dane/raporty/nfz-o-zdrowiu-depresja
32. Ogólnopolski Dzień Walki z Depresją – Powiatowa Stacja Sanitarno-Epidemiologiczna w Przysusze – Portal Gov.pl, otwierano: czerwca 11, 2025, https://www.gov.pl/web/psse-przysucha/ogolnopolski-dzien-walki-z-depresja
33. Ogólnopolski Dzień Walki z Depresją – Powiatowa Stacja Sanitarno-Epidemiologiczna w Łobzie – Portal Gov.pl, otwierano: czerwca 11, 2025, https://www.gov.pl/web/psse-lobez/ogolnopolski-dzien-walki-z-depresja
34. Mapping the landscape of mental health research through Google Trends: Bibliometric and thematic insights – PMC – PubMed Central, otwierano: czerwca 11, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC12034257/
35. Promises and Pitfalls of Internet Search Data in Mental Health: Critical Review – PMC, otwierano: czerwca 11, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC11855165/
36. Utilizing Big Data From Google Trends to Map Population Depression in the United States: Exploratory Infodemiology Study – JMIR Mental Health, otwierano: czerwca 11, 2025, https://mental.jmir.org/2022/3/e35253
37. Utilizing Big Data From Google Trends to Map Population Depression in the United States: Exploratory Infodemiology Study, otwierano: czerwca 11, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC9015761/
38. Utilizing Big Data From Google Trends to Map Population Depression in the United States: Exploratory Infodemiology Study – PubMed, otwierano: czerwca 11, 2025, https://pubmed.ncbi.nlm.nih.gov/35357320/
39. Impact of the pandemic and its containment measures in Europe upon aspects of affective impairments: a Google Trends informetrics study | Psychological Medicine – Cambridge University Press, otwierano: czerwca 11, 2025, https://www.cambridge.org/core/journals/psychological-medicine/article/impact-of-the-pandemic-and-its-containment-measures-in-europe-upon-aspects-of-affective-impairments-a-google-trends-informetrics-study/BC2D6A8D2E25F85857C8EC1D3AEC306B
40. Promises and Pitfalls of Internet Search Data in Mental Health: Critical Review, otwierano: czerwca 11, 2025, https://mental.jmir.org/2025/1/e60754
41. The Use of Google Trends in Health Care Research: A Systematic …, otwierano: czerwca 11, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC4215636/
42. The Parable of Google Flu: Traps in Big Data Analysis – Harvard DASH, otwierano: czerwca 11, 2025, https://dash.harvard.edu/server/api/core/bitstreams/7312037d-0e0d-6bd4-e053-0100007fdf3b/content
43. Google Flu Trends – Wikipedia, otwierano: czerwca 11, 2025, https://en.wikipedia.org/wiki/Google_Flu_Trends
44. Reassessing Google Flu Trends Data for Detection of Seasonal and Pandemic Influenza: A Comparative Epidemiological Study at Three Geographic Scales – PLOS, otwierano: czerwca 11, 2025, https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1003256
45. Seasonal Trends in Suicide Attempts-Keywords Related Searches …, otwierano: czerwca 11, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC11241548/
46. Correlations Between COVID-19 Cases & Google Trends Data in the US – YouTube, otwierano: czerwca 11, 2025, https://www.youtube.com/watch?v=vJTHNobkh18
47. Policy implications of big data in the health sector – PMC, otwierano: czerwca 11, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC5791870/
48. In-Depth Guide to How Google Search Works, otwierano: czerwca 11, 2025, https://developers.google.com/search/docs/fundamentals/how-search-works
49. W jaki sposób psychiatra stawia diagnozę? – Poradnie Centrum CBT, otwierano: czerwca 11, 2025, https://cbt.pl/poradnie/w-jaki-sposob-psychiatra-stawia-diagnoze/
50. Wyniki raportu „Zdrowie psychiczne dzieci i młodzieży” – Ministerstwo Edukacji Narodowej, otwierano: czerwca 11, 2025, https://www.gov.pl/web/edukacja/wyniki-raportu-zdrowie-psychiczne-dzieci-i-mlodziezy
51. Pierwszy raport o finansowaniu zdrowia psychicznego w Polsce – Niepelnosprawni.pl, otwierano: czerwca 11, 2025, https://niepelnosprawni.pl/zdrowie/pierwszy-raport-o-finansowaniu-zdrowia-psychicznego-w-polsce
52. Case Study: Google Flu Trends Failure – Pingax, otwierano: czerwca 11, 2025, https://pingax.com/data-analytics/failed-projects/lessons-from-analytics-failures/case-study-google-flu-trends-failure/
53. Loneliness and Depression among Women in Poland during the COVID-19 Pandemic, otwierano: czerwca 11, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC8535819/
54. Loneliness and Depression among Polish High-School Students – MDPI, otwierano: czerwca 11, 2025, https://www.mdpi.com/1660-4601/18/4/1706
55. The (mis)use of Google Trends data in the social sciences – MADOC – Uni Mannheim, otwierano: czerwca 11, 2025, https://madoc.bib.uni-mannheim.de/68637/1/1-s2.0-S0049089X24001212-main.pdf
56. Putative impact of the COVID-19 pandemic on anxiety, depression, insomnia and stress | European Journal of Psychiatry – Elsevier, otwierano: czerwca 11, 2025, https://www.elsevier.es/en-revista-european-journal-psychiatry-431-articulo-putative-impact-covid-19-pandemic-on-S0213616320301099
57. What Is Depression? – American Psychiatric Association, otwierano: czerwca 11, 2025, https://www.psychiatry.org/patients-families/depression/what-is-depression
58. Enhancing patient representation learning with inferred family pedigrees improves disease risk prediction – Oxford Academic, otwierano: czerwca 11, 2025, https://academic.oup.com/jamia/article-abstract/32/3/435/7932854
59. Prescriptions of antidepressants and anxiolytics in France 2012–2022 and changes with the COVID-19 pandemic: interrupted time series analysis | BMJ Mental Health, otwierano: czerwca 11, 2025, https://mentalhealth.bmj.com/content/27/1/e301026
60. Assessing Signs of Mental Health Issues in Greece during the Pandemic via Google Trends Data Analysis – Scientific Research Publishing, otwierano: czerwca 11, 2025, https://www.scirp.org/journal/paperinformation?paperid=135486
61. Monitoring Depression Trends on Twitter During the COVID-19 Pandemic: Observational Study – JMIR Infodemiology, otwierano: czerwca 11, 2025, https://infodemiology.jmir.org/2021/1/e26769