تخمین نرخ مرگ و میر ناشی از کووید-۱۹ در ایران با استفاده از مدل اتورگرسیو

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 127

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JCCNUR-13-4_002

تاریخ نمایه سازی: 31 مرداد 1402

چکیده مقاله:

زمینه و هدف: کووید-۱۹ یک پاندمی جهانی نوظهور است که از نوع جدیدی از کروناویروس ها به شکل یک عفونت ویروسی با امکان انتقال و سرایت بالا ایجاد شده است. این بیماری تاکنون میلیون ها نفر را مبتلا و چندین هزار نفر را به کام مرگ کشانده است. از زمان همه گیری بیماری تاکنون، محققان بسیاری علاقه مند به مدل سازی و تخمین تعداد احتمالی افراد مبتلا به کووید-۱۹ یا برآورد نرخ مرگ و میر ناشی از این پاندمی در یک دوره زمانی خاص و در کشورهای مختلف شده اند. این مدل سازی ها امکان حصول شناخت بهتری از رفتار این پاندمی و پیش بینی سیر آن را فراهم می سازد. هدف از انجام این پژوهش، مدل سازی نرخ مرگ و میر ناشی از پاندمی کووید-۱۹ در پنج ماه متوالی در ایران بوده است. مواد و روش­ها: ما دو مدل، شامل مدل اتورگرسیو (AR) و مدل اتورگرسیو میانگین متحرک(ARMA) را تحلیل کردیم تا قابلیت این مدل ها را در تخمین نرخ مرگ و میر ناشی از بیماری کووید-۱۹ از ماه مارس تا ژوئیه بیازماییم. عملکرد دو مدل با سه معیار خطای میانگین مربعات، تابع هزینه و خطای نهایی پیش بینی ارزیابی شد. مدل ها بر تعداد موارد مرگ و میر تایید شده از وزارت بهداشت، درمان و آموزش پزشکی ایران ارزیابی شدند. یافته­ها: نتایج تحلیل ها بیانگر آن بود که مدل AR با رتبه ده با عملکرد بسیار مناسب قادر است نرخ مرگ و میر ناشی از کووید-۱۹ را پیش بینی کند. نتیجه­گیری: مدل پیشنهادی قابلیت پیش بینی میزان فوتی های ناشی از پاندمی را دارد. تخمین میزان مرگ و میر ناشی از همه گیری کووید-۱۹ به شناخت بهتری از رفتار این پاندمی و پیش بینی سیر آن کمک می کند و می تواند بر نوع و زمان اقدامات و تمهیدات در جهت کنترل آن موثر واقع شود.

نویسندگان

عاطفه گشوارپور

Department of Biomedical Engineering, Faculty of Electrical Engineering, Sahand University of Technology, Tabriz, Iran

عاتکه گشوارپور

Department of Biomedical Engineering, Imam Reza International University, Mashhad, Razavi Khorasan, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Mathevet T, Lepiller Ml, Mangin, A. Application of time-series analyses ...
  • Khan F, Pilz J. Modelling and sensitivity analysis of river ...
  • Zhou Y, Ma Z, Brauer F. A discrete epidemic model ...
  • Oraby T, Tyshenko MG, Balkhy, HH, Tasnif, Y, Quiroz-Gaspar, A, ...
  • Liang K. Mathematical model of infection kinetics and its analysis ...
  • Gorbalenya AE, Baker SC, Baric RS, de Groot RJ, Drosten ...
  • Zhu N, Zhang D, Wang W, Li X, Yang B, ...
  • Cyranoski, D. Mystery deepens over animal source of coronavirus. Nature. ...
  • Arab-Mazar Z, Sah R, Rabaan AA, Dhama K, Rodriguez-Morales AJ. ...
  • WHO, ۲۰۲۰. Coronavirus disease ۲۰۱۹ (COVID-۱۹) Situation Report –۱۹۳ ...
  • McCloskey B, Zumla A, Ippolito G, Blumberg L, Arbon P, ...
  • Li L, Yang Z, Dang Z, Meng C, Huang J, ...
  • Fanelli D, Piazza F. Analysis and forecast of COVID-۱۹ spreading ...
  • Torrealba-Rodriguez O, Conde-Gutiérrez RA, Hernández-Javier AL. Modeling and prediction of ...
  • Ahmadi A, Shirani M, Rahmani F. Modeling and forecasting trend ...
  • Khan F, Saeed A, Ali S. Modelling and forecasting of ...
  • Ming W, Huang JV, Zhang CJP. Breaking down of the ...
  • Nesteruk I. Statistics-based predictions of coronavirus epidemic spreading in Mainland ...
  • Yang CY, Wang J. A mathematical model for the novel ...
  • Batista, M. Estimation of the final size of the coronavirus ...
  • Jia J, Ding J, Liu S, Liao G, Li J, ...
  • Pourghasemi HR, Pouyan S, Farajzadeh Z, Sadhasivam N, Heidari B, ...
  • Agosto A, Giudici, P. A Poisson Autoregressive Model to Understand ...
  • نمایش کامل مراجع