کاربرد رگرسیون مولفه اصلی در مدل بندی عوامل مرتبط بر مرگ و میر ناشی از بیماری کووید ۱۹ در پیک هفتم پاندمی

مقدمه: پیک هفتم بیماری کرونا نشان دهنده جدیدترین موج همه گیری کووید ۱۹ در ایران می باشد که به طور عمده توسط زیرشاخه های امیکرون مشخص می شود. با توجه به تاثیر متقابل عوامل مرتبط در مرگ و میر ناشی از کووید ۱۹، استفاده از یک تکنیک آماری پیشرفته مانند رگرسیون لجستیک مولفه اصلی، امکان طبقه بندی و ارزیابی این متغیرها را فراهم می کند و در عین حال، دقت پیش بینی را بهبود می بخشد و مسایلی مانند چند خطی بودن که اغلب در رگرسیون سنتی وجود دارد را کاهش می دهد. روش ها: در این مطالعه مقطعی، داده های ۸۹۹۴ بیمار از سامانه پایش داده های مراقبت های درمانی بیمارستان های وابسته به دانشگاه علوم پزشکی مشهد در بازه زمانی تیر تا شهریور سال ۱۴۰۱ استخراج گردید. جهت شناسایی مهم ترین عوامل مرتبط بر مرگ بیماران، از رگرسیون لجستیک مولفه اصلی استفاده شد. داده ها در نرم افزار SPSS و سطح معنی داری ۰۵/۰ مورد تجزیه و تحلیل قرار گرفت. یافته ها: میانگین سنی شرکت کنندگان، ۳۰/۲۸ ± ۸۷/۵۰ سال بود. ارتباط معنی داری بین چندین متغیر از جمله مصرف مواد مخدر، تست کووید ۱۹، وجود تب بالا، دیسترس تنفسی، کاهش سطح هوشیاری، علایم گوارشی، اینتوباسیون، میزان PO۲، بیماری مزمن خون، سابقه پرفشاری خون، سرطان و دیابت با مرگ بیماران به دست آمد (۰۵/۰ > P). در مدل رگرسیونی، مولفه های فاکتورهای تنفسی و زمینه ای به ترتیب ۶۲ و ۱۵ درصد با فواصل اطمینان ۸۶/۱-۴۱/۱ و ۳۰/۱-۰۱/۱ و مولفه های اینتوباسیون و درجه حرارت، شانس مرگ و میر را ۴۷/۲ برابر با فاصله اطمینان ۸۹/۲-۱۰/۲ افزایش داد (۰۵/۰ > P). نتیجه گیری: شناسایی عوامل خطر برای ارایه دهندگان مراقبت های بهداشتی ضروری است تا زیرجمعیت های بیماران آسیب پذیر را شناسایی نمایند، کیفیت مراقبت را افزایش دهند، مداخلات درمانی را اولویت بندی کنند و منابع را به طور موثر تخصیص دهند.

کلیدواژه ها:

COVID-۱۹ ، Regression analysis ، Risk factors ، Mortality ، Iran ، کووید ۱۹ ، آنالیز رگرسیون ، عوامل خطر ، مرگ و میر ، ایران