Can Google Trends data improve forecasting of Lyme disease incidence?

dc.contributor.author	Kapitány-Fövény Máté
dc.contributor.author	Ferenci Tamás
dc.contributor.author	Sulyok Zita
dc.contributor.author	Kegele Josua
dc.contributor.author	Richter Hardy
dc.contributor.author	Vályi-Nagy István
dc.contributor.author	Sulyok Mihály
dc.date.accessioned	2019-07-02T17:29:46Z
dc.date.available	2019-07-02T17:29:46Z
dc.date.issued	2019
dc.identifier	85056624395
dc.identifier.citation	journalVolume=66;journalIssueNumber=1;journalTitle=ZOONOSES AND PUBLIC HEALTH;pagerange=101-107;journalAbbreviatedTitle=ZOONOSES PUBLIC HLTH;
dc.identifier.uri	http://repo.lib.semmelweis.hu//handle/123456789/6717
dc.identifier.uri	doi:10.1111/zph.12539
dc.format.extent	101-107
dc.title	Can Google Trends data improve forecasting of Lyme disease incidence?
dc.type	Journal Article
dc.date.updated	2019-01-31T14:21:01Z
dc.language.rfc3066	en
dc.rights.holder	NULL
dc.identifier.mtmt	30320203
dc.identifier.pubmed	30447056
dc.contributor.institution	Informatikai Rendszerek Intézet
dc.contributor.institution	Addiktológiai Tanszék
dc.contributor.institution	Doktori Iskola
dc.contributor.institution	PhD Pszichológiai Doktori Iskola
dc.contributor.institution	Statisztika Tanszék
dc.contributor.institution	Irányítástechnika és Informatika Tanszék
dc.contributor.institution	Biomatika Intézet
dc.contributor.institution	MTMT Központi kezelésű szerzők
dc.contributor.institution	Élettani Szabályozások Kutatóközpont