Cluster Analysis and Visualisation Describing the Phenomenon of the Covid-19 Virus Pandemic

• Authors: Grażyna Trzpiot , Zuzanna Krysiak

Title variants

PL

Analiza skupień i wizualizacja opisująca zjawisko pandemii Covid-19

Abstracts

PL

Artykuł poświęcono pandemii wywołanej wirusem SARS CoV-2. W tekście skupiono się na działaniu szczepionek przeciwko niemu. Związek między szczepionkami a rozwojem pandemii na świecie jest oczywisty – cały świat walczy bowiem z pandemią, która jest przyczyną bardzo wysokiej śmiertelności i wywołuje kryzys gospodarczy. Wykazanie wzorców oraz możliwych anomalii między danymi dotyczącymi liczby osób zaszczepionych oraz przebiegiem choroby i liczbą zgonów jest ważnym czynnikiem zwiększania świadomości dotyczącej rozprzestrzeniania się wirusa. Metody przedstawione w drugim punkcie artykułu to aglomeracja danych i metoda k-średnich. W badaniu porównano wyniki uzyskane w sześciu wybranych krajach z różnych regionów świata i wskazano najważniejsze czynniki wpływające na rozwój pandemii. Zaprezentowana metodologia jest podstawą do głębszej dyskusji nad czynnikami warkującymi rozprzestrzenianie się wirusa oraz może być wprowadzeniem do analizy szeregów czasowych. Równocześnie umożliwiła ona stworzenie wzorców związanych z badanym zjawiskiem (dla wybranych krajów), określających lokalne czynniki przyczyniające się do rozprzestrzeniania się choroby i decydujących o skuteczności podawanych szczepionek. Analizę empiryczną przeprowadzono na podstawie danych dostępnych w elektronicznej publikacji naukowej https://ourworldindata.org/. Wizualizacje wykonano w programie Tableau, a analizę skupień przeprowadzono z wykorzystaniem pakietu Statistica.

EN

The article refers to the topic of the SARS CoV-2 virus pandemic and focuses on the efect of vaccines against this virus. The relation between the administered vaccines and the development of the global pandemic is very pertinent as the problem is being faced by the whole world. The dificulty lies in the fight against the pandemic, which is the cause of the very high death rate due to the virus, and has caused a global economic crisis. Demonstrating patterns and possible anomalies between data on the number of people vaccinated and the course of the disease and the number of deaths is an important factor in raising awareness of the risk of spreading the virus. The methods presented in the second chapter are data agglomeration and the k-means method. The study compared the results obtained in six selected countries from diferent regions of the world and presented the most important factors influencing the development of the pandemic. The presented methodology was also the basis for a deeper discussion of the factors determining the spread of the virus and can be an introduction to the analysis of time series. At the same time, it enabled the creation of patterns related to the studied phenomenon (for selected countries) defining local factors contributing to the spread of the disease and determining the efectiveness of the vaccines administered in them. The empirical analysis was conducted on the basis of data available in the electronic scientific publication https://ourworldindata. org/. The visualisations were made in the Tableau program, and the cluster analysis was carried out using the Statistica package.

Keywords

EN

Covid-19; virus; vaccinations; morbidity cluster analysis coronavirus

PL

wirus; Covid-19; szczepionki; wskaźnik zachorowalności; analiza skupień; koronawirus

• Publisher: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
• Journal: Econometrics. Ekonometria. Advances in Applied Data Analytics
• Year: 2023
• Volume: 27
• Issue: 2
• Pages: 45-61

Dates

published

2023

Contributors

author

Grażyna Trzpiot

• University of Economics in Katowice

author

Zuzanna Krysiak

• University of Economics in Katowice

References

• Aczel, A. (2000). Statystyka w zarządzaniu. Warszawa: Wydawnictwo Naukowe PWN.
• CEFARM24. (2021). Retrieved from https://www.cefarm24.pl/czytelnia/odpornosc/rodzaje-szczepionekprzeciw-covid-19-jak-dziala-szczepionka-mrna-i-wektorowa
• Centres for Disease Control and Prevention. (2022). Retrieved from https://www.cdc.gov/coronavirus/ 2019-ncov/vaccines/efectiveness/index.html
• Ciesek-Ślizowska, B. D. (2021). Sceptycyzm wobec szczepień przeciwko COVID-19. Raport z badań. RE-BUŚ.
• Covid19 track vaccines. (2023). Retrieved from https://covid19.trackvaccines.org/vaccines/
• EMA. (2021). Retrieved from https://www.ema.europa.eu/en/human-regulatory/overview/public-healththreats/coronavirus-disease-covid-19/treatments-vaccines-covid-19
• Everitt, B. S. Landau, S., Leese, M. & Stahl, D. (2011). Cluster analysis. Wiley.
• Gan, G., Ma, Ch. & Wu, J. (2007). Data clustering: Theory, algorithms and applications.
• Haworth, R. (2021). Szczepionki przeciwko covid-19. Retrieved from https://ourworldindata.org/covid-vaccinations
• Jach, Ł. L. (2021). Psychologiczne korelaty postaw wobec szczepionek na COVID-19 wśród polskich respondentów - migawkowe badanie przed rozpoczęciem masowej kampanii szczepień. Przegląd Psychologiczny.
• Johns Hopkins Medicine. (2022). Retrieved from https://www.hopkinsmedicine.org/health/conditions-and-diseases/coronavirus/is-the-covid19-vaccine-safe
• Kamińska, E. (2021). Pandemia COVID-19. Wszystko co warto wiedzieć o koronawirusie, testach i szczepionkach. Retrieved from https://www.zwrotnikraka.pl/szczepionka-na-covid-19/
• Kreps, S. P. (2020). Factors associated with US adults' likelihood of accepting COVID-19 vaccination. JAMA Network Open.
• Lund, B., & Ma, J. (2021). Retrieved from https://www.emerald.com/insight/content/doi/10.1108/ PMM-05-2021-0026/full/html?skipTracking=true
• Luszniewicz, A. (2001). Statystyka z pakietem komputerowym Statistica. Warszawa: Wydawnictwo C.H. Beck.
• Mathieu, H. R.-O.-G. (2021). A global database of COVID-19 vaccinations. Nature Human Behaviour.
• Pharmaceutical technology covid-19 vaccination. (2022). Retrieved from https://www.pharmaceutical-technology.com/covid-19-vaccination-tracker/
• Pierre Vergera, E. D. (2020). Restoring confidence in vaccines in the COVID-19 era. Taylor&Francis.
• Pogue, K., Jensen, J. L., Stancil, C. K., Ferguson, D. G., Hughes, S. J., Mello, E. J., Burgess, R., Berges, B. K., Quaye, A., & Poole, B. D. (2020). Influences on attitudes regarding potential COVID-19 vaccination in the United States. Vaccines, 8(4), 582. https://doi.org/10.3390/ vaccines8040582
• Roozenbeek, J. (2020). Susceptibility to misinformation about COVID-19 around the world. The Royal Society.
• Sherman, S. M. (n.d.). COVID-19 vaccination intention in the UK: Results from the COVID-19 vaccination acceptability study (CoVAccS), a nationally representative cross-sectional survey. Taylor& Francis.
• Stanisz, A. (2006). Przystęny kurs ststystyki w oparciu o program Statistica PL na przykładach z medycyny. Kraków: StatSoft Polska.
• StatSoft. (2011). Retrieved from https://www.statsoft.pl/textbook/stathome_stat.html?https%3A%2F%2Fwww.statsoft.pl%2Ftextbook%2Fstcluan.html
• Trzpiot, G. (2017). Statystyka a Data Science. Katowice: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
• WHO. (2020). Retrieved from https://www.who.int/dg/speeches/detail/who-director-general-s-openingremarks-at-the-media-briefing-on-covid-19-21-august-2020
• WHO. (2021). Retrieved from https://covid19.who.int/
• WHO Coronavirus (COVID-19) Dashboard. (2021). Retrieved from https://covid19.who.int
• Wouters, O. J., Shadlen, K. C., Salcher-Konrad, M., Pollard, A. J., Larson, H. J., Teerawattananon, Y., & Jit, M. (2021). Challenges in ensuring global access to COVID-19 vaccines: production, afordability, allocation, and deployment. The Lancet, 397, 1023-1034. https://doi.org/10.1016/S0140- 6736(21)00306-8

Identifiers

DOI

10.15611/eada.2023.2.03

Biblioteka Nauki

3136868