警告:这是一个作者提交不同行评议或编辑。预印本——除非他们显示为“接受”,不应依赖于指导临床实践或健康相关行为和新闻媒体的报道中不应该建立信息。
COVID-19 Symptom-Related谷歌搜索和国家级COVID-19案例发病率:调查政治信仰变化的预测时间症状和案例的关系
文摘
目前COVID-19流行为研究人员提供了一个机会来调查搜索兴趣和案例数据之间的关系,考虑到国家公开报告病例数据粒度级别的。本文的目的是确定是否有国家级的差异之间的滞后时间的症状发生率搜索峰值和峰值COVID-19报道病例发生率和政治气候是否与这个滞后时间显著相关。使用公开可用的数据来自谷歌趋势和疾病控制和预防中心,线性混合的建模是利用随机国家级拦截。滞后时间是实施天数之间的峰值(持续增加持续减少之前)在症状搜索数据和相应的案例激增数据。最强的模型适合用于线性混合模型,包括在一个州的特朗普选票比例的关键预测随着人口,意味着新病例,而意味着新的死亡作为控制变量。尽管这是一个模型适合明显强于零intercept-only模型,政治变量(s)没有显著的滞后时间。
引用
请求排队。生成的文件,请稍等。可能需要一些时间。
版权
作者©。保留所有权利。这是一个特权文档目前同行评审/社区审查(或接受/拒绝的手稿)。作者JMIR出版物提供了独家许可证发布这个预卡塔尔世界杯8强波胆分析印在它的网站上为审查和先于印刷仅引用目的。虽然最后的同行评议的论文可能cc-by许可的刊物,在此阶段作者和出版商意味深长地禁止再分配的草稿纸除了用于审查。