La identificación y análisis de la polaridad del sentimiento en datos de microblogging ha atraído una atención creciente. Los investigadores y profesionales intentan extraer conocimiento evaluando el sentimiento público en respuesta a eventos globales. Este estudio tuvo como objetivo evaluar las actitudes públicas hacia la propagación de COVID-19 mediante el análisis de sentimientos en más de 2.1 millones de tweets en inglés. Las implicaciones incluyeron la generación de información para la predicción oportuna de brotes de enfermedades y afirmaciones sobre eventos mundiales, lo que puede ayudar a los responsables de políticas a tomar acciones adecuadas. Investigamos si había una correlación entre el sentimiento público y el número de casos y muertes atribuidos a COVID-19. El diseño de la investigación integró el preprocesamiento de texto (operaciones de expresiones regulares, (de)tokenización, palabras vacías), análisis de polarización del sentimiento a través de TextBlob, formulación de hipótesis (pruebas de hipótesis nula) y análisis estadístico (coeficiente de Pearson y valor p) para producir los resultados. Los hallazgos clave destacan una correlación entre la polaridad del sentimiento y las muertes, comenzando 41 días antes y expandiéndose hasta 3 días después del conteo. Los usuarios de Twitter reaccionaron a un aumento en el número de muertes relacionadas con COVID-19 después de cuatro días publicando tweets con una polarización del sentimiento en disminución. También detectamos una fuerte correlación entre la polaridad de la conversación sobre COVID-19 en Twitter y los casos reportados, y una débil correlación entre la polaridad y las muertes reportadas.