Applying multiple linear regression to analyze the relationship between relative search volume and COVID-19 cases in Brazil

Authors

DOI:

https://doi.org/10.5585/exactaep.2022.20401

Keywords:

COVID-19, Multiple linear regression, Data science, Google Trends

Abstract

Efforts in multiple areas of scientific knowledge, in especial infodemiology, have been dedicated to propose solutions for the socioeconomic problems caused by the SARS-CoV-2 pandemic and the social isolation measures. Early insights studies into how COVID-19 may be spreading in a particular region is an effective tool to tackle this challenge. This paper analyses in an explanatory way the relation between publicly available data from relative search volume in Google Trends® and government data about COVID-19 infection in Minas Gerais, Rio de Janeiro and São Paulo. Through these analyses, it was possible to infer that “Teste de COVID” and “Sintomas de COVID” could be used as explanatory variables to the number of cases in these places. This study provides interesting insights to support future research in the use of relative search volume as additional explanatory variables in predictive models, regarding its limitations.

Downloads

Download data is not yet available.

Author Biographies

Letícia Alexandre Furletti, Pontificia Universidade Catolica de Minas Gerais - PUC Minas / Belo Horizonte (MG)

Graduanda em Engenharia de Produção pela Pontificia Universidade Catolica de Minas Gerais. Atua como desenvolvedora no Grupo de Engenharia de Dados (PUC-MG), onde programa em linguagem R desde 2020. Tambem atuou por 2 anos como pesquisadora e gestora de projetos no Grupo de Empreendedorismo Tecnológico e Inovação (PUC-MG).

Ítalo Lelis De Carvalho, Pontificia Universidade Catolica de Minas Gerais - PUC Minas / Belo Horizonte (MG)

Bacharelando em Engenharia de Software pela PUC-Minas. Participação em competições nacionais (OBR e CBR) e internacionais (LARC e RoboCup) de Robótica e do Grupo de Estudo de Engenharia de Dados (GED) da PUC-Minas. Possui experiência como Bolsista de Iniciação Científica na área de robótica cooperativa.

Hendrigo Batista Da Silva, Pontificia Universidade Catolica de Minas Gerais - PUC Minas / Belo Horizonte (MG)

Orientador no Grupo de Engenharia de Dados e professor no Departamento de Engenharia de Produção.

Letícia de Castro Peixoto, Pontificia Universidade Catolica de Minas Gerais - PUC Minas / Belo Horizonte (MG)

Doutora em Ciência da Informação pela UFMG, é Engenheira Química pela pela Universidade Federal de Minas Gerais, Mestre em Administração pela PUC MINAS/FDC. Cursou MBA pela University of Technology, Sidney (UTS) e Master of Engineering pela University of Technology, Sidney (UTS). Possui mais de 20 anos de experiência profissional sendo 12 deles na área de consultoria de Business Intelligence (BI), atuando na gestão de projetos e nas frentes de consultoria de processos e das ferramentas tecnológicas de BI da SAP que apóiam o processo de planejamento. Trabalhou em consultorias portuguesas (Grupo Tecnidata), americanas (Bearing Point) e indianas (Infosys) realizando projetos nas empresas: Novartis, Souza Cruz (BAT), Cosan, Camargo Corrêa, ArcelorMittal, Schincariol, Zilor, Holcim, Veracel, Cimpor, Zillo Lorenzeti, Cintra, Schincariol, Gerdau e outras. No início da carreira, trabalhou 4 anos como engenheira de projetos na AmBev. Leciona na PUC Minas desde 2009 nos departamento de Engenharia de Produção do Campus Praça da Liberdade, onde é coordenadora de pesquisa do curso e coordena projeto de Extensão de gameficação em Engenharia de Produção. Participa do Núcleo Docente Estruturante (NDE) do curso.

References

Angus, D. C. (2020). Optimizing the trade-off between learning and doing in a pandemic. Jama, 323(19), 1895-1896. https://doi:10.1001/jama.2020.4984

Ayyoubzadeh, S. M., Ayyoubzadeh, S. M., Zahedi, H., Ahmadi, M., & Kalhori, S. R. N. (2020). Predicting COVID-19 incidence through analysis of google trends data in iran: data mining and deep learning pilot study. JMIR public health and surveillance, 6(2), e18828. https://doi.org/10.2196/18828

Bakker, K. M., Martinez-Bakker, M. E., Helm, B., & Stevenson, T. J. (2016). Digital epidemiology reveals global childhood disease seasonality and the effects of immunization. Proceedings of the National Academy of Sciences, 113(24), 6689-6694. https://doi.org/10.1073/pnas.1523941113

Brasil, & Brasil. (2021). Conselho Nacional dos Secretários de Saúde (CONASS). Atenção Primária e promoção da Saúde.

Bregman, J. I. (1999). Environmental impact statements. CRC Press.

Buheji, M., da Costa Cunha, K., Beka, G., Mavric, B., De Souza, Y. L., da Costa Silva, S. S., ... & Yein, T. C. (2020). The extent of covid-19 pandemic socio-economic impact on global poverty. a global integrative multidisciplinary review. American Journal of Economics, 10(4), 213-224. https://doi.org/10.5923/j.economics.20201004.02

Draper, N. R., & Smith, H. (1998). Applied regression analysis (Vol. 326). John Wiley & Sons.

Eysenbach, G. (2009). Infodemiology and infoveillance: framework for an emerging set of public health informatics methods to analyze search, communication and publication behavior on the Internet. Journal of medical Internet research, 11(1), e11. https://doi.org/10.2196/jmir.1157

Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinski, M. S., & Brilliant, L. (2009). Detecting influenza epidemics using search engine query data. Nature, 457(7232), 1012-1014. https://doi.org/10.1038/nature07634

Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Análise multivariada de dados. Bookman editora.

Henson, R. K., Capraro, R. M., & Capraro, M. M. (2001). Reporting Practice and Use of Exploratory Factor Analysis in Educational Research Journals.

Instituto Brasileiro de Geografia, & Estatística. (2020). Censo demográfico 2020: características da população e dos domicílios: resultados do universo. Ministério de Planejamento, Orçamento e Gestão, Instituto Brasileiro de Geografia Estatística-IBGE.

Instituto Brasileiro de Geografia, & Estatística. Coordenação de Contas Nacionais. (2018). Produto interno bruto dos municípios. IBGE.

Junior, R. R. F., & Santa Rita, L. P. (2016). Impactos da Covid-19 na Economia: limites, desafios e políticas.Cadernos de Prospecção, vol. 13, n. 2, 2020. http://dx.doi.org/10.9771/rf.v1i7.37324

Kumar, A., Sinwar, D., & Saini, M. (2020). Study of several key parameters responsible for COVID-19 outbreak using multiple regression analysis and multi-layer feed forward neural network. Journal of Interdisciplinary Mathematics, 1-23. https://doi.org/10.1080/09720502.2020.1833443

Kurian, S. J., Alvi, M. A., Ting, H. H., Storlie, C., Wilson, P. M., Shah, N. D., ... & Bydon, M. (2020, November). Correlations Between COVID-19 Cases and Google Trends Data in the United States: A State-by-State Analysis. In Mayo Clinic Proceedings (Vol. 95, No. 11, pp. 2370-2381). Elsevier. https://doi.org/10.1016/j.mayocp.2020.08.022

Lakatos, E. M., & Marconi, M. D. A. (1996). Técnicas de pesquisa. São Paulo: Atlas, 205, 88.

Lin, S., Fu, Y., Jia, X., Ding, S., Wu, Y., & Huang, Z. (2020). Discovering Correlations between the COVID-19 Epidemic Spread and Climate. International Journal of Environmental Research and Public Health, 17(21), 7958. https://doi.org/10.3390/ijerph17217958

Liu, D., Clemente, L., Poirier, C., Ding, X., Chinazzi, M., Davis, J. T., ... & Santillana, M. (2020). A machine learning methodology for real-time forecasting of the 2019-2020 COVID-19 outbreak using Internet searches, news alerts, and estimates from mechanistic models. arXiv preprint arXiv:2004.04019.

Mavragani, A., & Gkillas, K. (2020). COVID-19 predictability in the United States using Google Trends time series. Scientific reports, 10(1), 1-12. https://doi.org/10.1038/s41598-020-77275-9

McKibbin, W., & Fernando, R. (2021). The global macroeconomic impacts of COVID-19: Seven scenarios. Asian Economic Papers, 20(2), 1-30. https://doi.org/10.1162/asep_a_00796

Rabajante, J. F. (2020). Insights from early mathematical models of 2019-nCoV acute respiratory disease (COVID-19) dynamics. arXiv preprint arXiv:2002.05296.

Razali, N. M., & Wah, Y. B. (2011). Power comparisons of shapiro-wilk, kolmogorov-smirnov, lilliefors and anderson-darling tests. Journal of statistical modeling and analytics, 2(1), 21-33.

Siettos, C. I., & Russo, L. (2013). Mathematical modeling of infectious disease dynamics. Virulence, 4(4), 295-306. https://doi.org/10.4161/viru.24041

Teng, Y., Bi, D., Xie, G., Jin, Y., Huang, Y., Lin, B., ... & Tong, Y. (2017). Dynamic forecasting of Zika epidemics using Google Trends. PloS one, 12(1), e0165085. https://doi.org/10.1371/journal.pone.0165085

Tizzoni, M., Bajardi, P., Poletto, C., Ramasco, J. J., Balcan, D., Gonçalves, B., ... & Vespignani, A. (2012). Real-time numerical forecast of global epidemic spreading: case study of 2009 A/H1N1pdm. BMC medicine, 10(1), 1-31. https://doi.org/10.1186/1741-7015-10-165

WHO. Statement on the second meeting of the international health regulations (2005) emergency committee regarding the outbreak of novel coronavirus (2019-ncov). URL https://www.who.int/news-room/detail/. [Online; accessed 9-March2021].

Downloads

Published

2022-02-16

How to Cite

Furletti, L. A., De Carvalho, Ítalo L., Da Silva, H. B., & Peixoto, L. de C. (2022). Applying multiple linear regression to analyze the relationship between relative search volume and COVID-19 cases in Brazil. Exacta, 21(4), 892–904. https://doi.org/10.5585/exactaep.2022.20401

Issue

Vol. 21 No. 4 (2023): out./dez.

Section

Papers

License

Copyright (c) 2022 Autores

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Autores que tiverem artigos aceitos para publicação na Revista Exacta concordam com os seguintes termos:

  • A Cessão dos Direitos Autorais da publicação do artigo à Revista Exacta;
  • Os autores que tiverem seus trabalhos aceitos e publicados na Revista Exacta estão sujeitos a Política de Direitos Autorais CC BY NC SA https://creativecommons.org/licenses/by-nc-sa/4.0/;
  • A publicação do artigo pela Revista Exacta, em caráter de exclusividade e em meio eletrônico;
  • A indexação do artigo em bases de dados nacionais e internacionais, diretórios, bibliotecas digitais e bases bibliométricas em que a Revista estiver e vir a estar indexada.